動機

            總所周知，LFW資料在人臉特徵提取模型的驗證上是一個基本的標杆，目前大部分的方法在上面的效果已經都超過了99%的驗證準確度，但是單純的測試模型在上面的準確度，並不能分析出模型的效能到底好多少？到底好在什麼方面？（因為大部分模型的驗證精度都差別很小了）。

            出於以上原因，為了對比不同模型具體效能的差異，設計瞭如下分析方案：

            1）計算LFW 6000對人臉對的驗證相似度（其中3000組匹配人臉，3000組不匹配人臉）；

            2）分別統計3000組匹配人臉和3000組不匹配人臉的驗證相似度（-1-1之間）的分佈情況；

            3）分析兩種分佈的特點，並得出結論。

模型

       這裡主要對比四種人臉特徵提取的方案：

        1）centerloss

        2）CosineFace

        3）MobileFaceNet

        4）Combined Margin loss

       這四種模型均是利用webface、VGGFace2資料集重新訓練復現得到。並且經過驗證，在LFW上交叉驗證的準確率依次為98.25%、98.81%、98.95%、99.43%。

具體效能對比

         下面的四幅圖是四個模型在3000組匹配人臉和3000組不匹配人臉的驗證相似度（-1-1之間）的分佈情況，其中橙色的柱狀圖為3000對不匹配人臉的相似度統計分佈，藍色的柱狀為3000度匹配人臉的相似度統計分佈；

          每種顏色的柱狀都有10列，分別代表相似度得分在【-1-0.1】【0.1-0.2】【0.2-0.3】【0.3-0.4】【0.4-0.5】【0.5-0.6】【0.6-0.7】【0.7-0.8】【0.8-0.9】【0.9-1】的分佈，每個柱子的縱座標為在該區間上統計得到的數量。

         舉例說明（centerloss模型）：

         3000組不匹配人臉的驗證相似度（橙色）在10個區間的數量分別為【1914,548，338,148,42,8,1,1,0,0】

         3000組匹配人臉的驗證相似度（藍色）在10個區間的數量分別為【2,5,8,35,106,343,760,1080,596,65】

          具體四種模型在lfw測試的效能分佈圖下四個圖。具體分析見後面。

Centerloss

CosineFace

MobileFaceNet

Combined Margin loss

效能分析對比

1）從峰值分佈分析

         從以上四幅圖看出，四個模型在不匹配人臉的峰值都在【-1-0.1】這個區間，但峰值的大小來看CosineFace>Combined margin>MobileFace>centerloss

        在匹配人臉的峰值依次在【0.7-0.8】【0.5-0.6】【0.6-0.7】【0.7-0.8】，總體來說centerloss>combined margin>Mobileface>cosineface

2）從分佈的區間分析

        四個模型在不匹配人臉的分佈依次在【-1-0.8】【-1-0.4】【-1-0.5】【-1-0.5】，總體combined margin=cosinefac>Mobileface>centerloss

        在匹配人臉的分佈都在【-1-1】之間，但是仔細對比發現，Combined margin = centerloss>Mobileface>cosineface

3）從不匹配人臉相似度分佈與匹配人臉相似度分佈的交叉情況分析

    從交叉範圍和交叉數量可以看出交叉最嚴重的是centerloss。

     依次對比應該是combined margin>cosineface>mobileface>centerloss

     從以上細節對比，可以得出結論：

     Combined margin得到的模型效能最好，能夠讓不匹配的人相似度儘量低，匹配的人相似度儘量高；並且不匹配和匹配的區分效能也更好，容易確定其分介面。