faceid算法原理简述
1 场景
刷脸支付，刷脸考勤，识别某人...
2 基本原理
对陌生人根据人脸和关键点，抠图人脸。识别算法完成人脸特征的提取，然后与 注册库中的已知人脸比对，完成分类。
也是输出一系列相似度，规定阈值。
两种方式。1 人脸验证 已知注册人，判断是否为这个用户 2 人脸识别 只是给出照片判断是哪位
3 分类
1：1模式
场景 完成身份验证，人脸解锁。 人脸验证任务。
1：N 模式
人脸识别任务，图片或视频流获取图片输入系统，在海量人脸数据库中匹配，图像数据身份。
速度比1：1慢，因为是全量比对。
M:N 模式
快速动态的人脸识别任务，多个人物场景中，对所有人脸基于海量数据库进行人脸识别，应用在公共安全等场景，效率较高。
4 评测
1 人脸验证
评测数据采集和测试集设计
如 注册库中有两个 人物 a和b， 则先指明a ，测试集为 a， b， c。 再指明b，测试集为b，a，c。则人脸验证的测试集至少为 n*（n+1)
2 人脸识别
最标准的评测说明：
指定阈值下，公司A的误识率比其他公司低，准确率比其他公司高，说明公司A识别算法好。
5 指标
1) FN False Negative, 被判定为负样本，但事实上是正样本。
2) FP False Positive, 被判定为正样本，但事实上是负样本。
3 ) TN True Negative, 被判定为负样本，事实上也是负样本。
4 ) TP True Positive, 被判定为正样本，事实上也是正样本。
1）准确率: