作为画廊规模函数的生物识别性能
密码学与安全
2020-01-27 v2
摘要
许多生物识别系统的开发者在广泛部署前始于小规模样本。他们关心其系统在更大规模样本下的表现。我们评估了画廊（gallery）规模对生物识别性能的影响。识别率描述生物识别识别的性能，而基于 ROC 的度量描述生物识别认证（验证）的性能。因此，我们考察了画廊规模增大如何影响识别率（即 Rank-1 识别率，或 Rank-1 IR）以及基于 ROC 的度量如等错误率（EER）。我们使用合成数据以及来自一项人脸识别研究的真实数据研究了这些现象。众所周知 Rank-1 IR 随画廊规模增大而下降。我们对此下降提供了进一步见解。我们已表明该关系在 log(画廊规模) 下是线性的。我们也已表明此下降可通过在更大画廊规模下引入额外信息（特征）来抵消。我们还描述了可用于预测为稳定 Rank-1 IR 随画廊规模所需额外信息量的曲线。这些方程在 log(画廊规模) 下同样是线性的。我们也已表明整个 ROC 曲线并不受画廊规模的系统性影响，因此基于 ROC 的标量性能指标如 EER 也跨画廊规模保持稳定。
引用
@article{arxiv.1906.06272,
title = {Biometric Performance as a Function of Gallery Size},
author = {Lee Friedman and Hal S Stern and Vladyslav Prokopenko and Shagen Djanian and Henry K. Griffith and Oleg V. Komogortsev},
journal= {arXiv preprint arXiv:1906.06272},
year = {2020}
}
备注
19 pages, 9 Figures, 0 Tables