人脸识别中的阈值应该如何设置？
人脸识别中的阈值应该如何设置？
随着人脸识别技术使用范围越来越广，大部分使用者可能对人脸识别中的某一方面不是很懂，咨询的问题也五花八门，下面，主要讲解视壮人脸识别中的阈值应该如何设置？
首先我们来看看提供的一组数据（绝对数值有修改，可以定性来看）。
| 误识率 |
通过率 |
阈值 |
| 0.01 |
0.999 |
64 |
| 0.001 |
0.998 |
68 |
| 0.0001 |
0.996 |
72 |
| 1e-5 |
0.993 |
76 |
| 1e-6 |
0.985 |
80 |
| 1e-7 |
0.950 |
84 |
| 1e-8 |
0.300 |
88 |
通过这组数据，可以得出以下结论：
一是误识率、通过率和阈值具有相关性，但属于非线性关系
可能大部分人看到这组数据，就会认为阈值越高，通过率和误识率越低，阈值越低，通过率和误识率越高。
这就引出了一个常见的误区，客户认为通过率越高，体验越好，那么阈值就应该设置越低。但是通过率越高，误识率也就越高，意味着防风险能力就会下降，所以阈值的设置要综合考虑客户体验和防风险能力两个因素。较准确的说法应该是在指定阈值下，公司A的通过率比其他公司高，误识率也比其他公司低，，这就说明公司A的人脸识别算法比其他公司要好。
另外阈值不能设置过高，从数据可以看出，阈值不断提高后，通过率和误识率也跟着急速下降。当前人脸识别只能作为辅助认证手段，不能等同于二代Key这样的强认证工具，人脸数据量如果足够大，一定会出现误识，没有办法做到风险为0。
提供的这组数据是基于他们自己人脸识别测试底库，阈值、误识率和通过率并不是绝对的。不过从定性的角度来看，还是值得参考的。如果测试底库有大量多胞胎，或者人脸库数据规模超级大，那么所得结果一定会有所差异。