面向透明人脸识别的陈述比对分数不确定性与验证决策置信度
计算机视觉与模式识别
2022-10-20 v1
摘要
人脸识别（FR）日益用于关键验证决策，因此有必要评估此类决策的可信度。决策置信度通常基于模型的整体性能或图像质量。我们提出将模型不确定性传播至分数与决策，以提升验证决策的透明度。本工作提出两点贡献：首先，我们提出一种估计人脸比对分数不确定性的方法；其次，我们引入系统决策的置信度度量，以提供对验证决策的洞察。比对分数不确定性与验证决策置信度的适用性已在两个数据集上的三种人脸识别模型中通过实验得到验证。
引用
@article{arxiv.2210.10354,
title = {Stating Comparison Score Uncertainty and Verification Decision Confidence Towards Transparent Face Recognition},
author = {Marco Huber and Philipp Terhörst and Florian Kirchbuchner and Naser Damer and Arjan Kuijper},
journal= {arXiv preprint arXiv:2210.10354},
year = {2022}
}
备注
Accepted at British Machine Vision Conference (BMVC) 2022