面向人脸识别算法训练的人像数据集图像多维度质量量化标准研究

摘要

人脸识别演算法训练效果的好坏，既和模型结构、损失函数有关，也和人像数据集图像品质、标注品质、分布结构、合规治理水准有关。为了解决目前人像数据采集、训练准入中品质指标分散、主观筛选比例高、低质样本处理无统一标准等问题，本文提出面向演算法训练的人像图像多维品质量化标准。将品质分为成像基础品质、人脸可用品质、标注一致性品质、分布公平品质、合规安全品质五个方面，提出指标测量、分级准入、处置闭环、训练回馈的标准化框架，给出可落地的评分、阈值、治理流程。研究认为人像数据品质标准不能只看清晰度或者解析度，应该从演算法可用性、群体均衡性、数据全生命周期责任三个方面来制定品质治理体系，使之具有可解释性、可审计性、可复检性。