人脸识别和人脸检测鉴别是美肤api中的工艺支撑点之一，在理想化情况下，人脸识别准确度越高越好，但具体情况中，常常会遭受背光、弱光、强光照、鉴别视角等许多具体要素的危害，因而，摆脱应用情景独立考虑优化算法的鉴别准确度实用价值并不大。
那麼，该怎样科学合理评定美肤api人脸识别和人脸检测的精确度？
一、人脸识别重要指标
大部分情形下，以根据FAR（不正确接纳率，又被称为误识率，即把别人误识为其他人的几率）和FRR（不正确回绝率，即自己申请注册在底库中，但核对相似度做到不预订的值）的DET曲线图做为分辨参照。
1、不正确回绝率（FAR）
相似度值范畴内等分成多个档，获得多个不一样的阈值S，测算不一样阈值S的FRR如下所示：FRR（S）=周边核对相似度中小于阈值S的总数/同一人核对数量X%
2、不正确接纳率（FRR）
相似度值范畴内等分成多个档，获得多个不一样的阈值S，测算不一样阈值S的FAR如下所示：FAR（S）=非同人核对相似度中不低于阈值S的总数/非同人核对数量X%。
理想化情况下，FAR和FRR都越低越好，但2个指标是一个翘翘板，一个指标的减少通常代表着另一个指标会上升，因此必须完成二者间的均衡。一般觉得在FAR做到销售市场一切正常水平时，FRR越低，该人脸识别优化算法算法特性就就越好。
二、人脸检测重要指标
点评一款人脸检测优化算法，也是有检验率、误报率、FPS、IOU四个指标：
检测率=检验出的面部数/图象中每个人脸数
误报率=乱报数量/图象中全部非面部扫描仪对话框数
FPS，即帧数，反映人脸检测速率及特性。
IOU，即检验出的面部框A和实际上的面部框B的重叠率。
一般情形下，检验比越越高越好，误报率越低越极致，但这二者必须一个最佳的均衡。
以上便是美肤api中人脸识别和人脸检测的精确度点评主要参数。
本文内容经过考证、整理和改编，部分出处：