※ 引述《can18 (18号)》之铭言:
: 我觉得原 Po 犯了几点错误
: 1. 人脸识别的技术
: 人脸识别最主要的目的是将相同的人视为相同的人 不同的人视为不同的人
: 数值代表的是为同一个人的机率 并不是两个人的相似程度
: 人脸识别不会保证相似的人的分数一定会比不相似的人高
: (当然实务上相似的人分数很可能比不相似的高 但不是必然
: 事实上 有一篇论文叫做
: Measuring Face Similarity Rather than Face Identity
: (CVPR 2018 顶级的电脑视觉会议论文)
: 如果可以直接用人脸识别的分数推论相似 这篇论文根本不会存在
: 2. 相似的定义
: 假设你真的得到机器的相似分数
: 大家说的像 相似
: 通常指的是人类知觉上的相似
: 因此若两个相似的人
: 机器如果判断为相似
: 也只能说 人觉得相似 机器也觉得相似
: 机器如果判断为不相似
: 也只能说 人觉得相似 但机器觉得不像
: 而不是可以用机器判断来推论人的知觉
: 机器判断的逻辑跟人类是差非常多
: 结论
: 1. 根本用错方法 不能用人脸识别分数推论人脸相似程度
: 2. 就算用对方法 机器觉得像不像不能推论人觉得像不像
我不是机器学习相关领域的,不过我对下面那个confidence score有点兴趣,
这东西翻译好几种,信心指数,信赖分数,可信度 etc,
但照我的理解,应该是程式对这次判断结果的自信度,
那意思似乎就会完全颠倒呢...
用第一张图来看,程式判断这两人不同人,但信心指数只有0.1xxx...
那代表程式其实非常不确定,干意思就是这两张照片超像的阿!像到程式根本无法确定!
有没有机器学习领域的版友出来打我脸,解释一下confidence score真正的涵义,
顺便帮大家涨点知识吧。