1 參照**the megaface benchmark: 1 million faces for recognition at scale，主要進行identification測試。這裡包括兩部分資料，一部分probe set，一部分distractors，還有個官方給定的評測程式devkit。其中distractors，是megaface官方提供的自己的資料集，有超過百萬人臉。另外乙個probe set，採用facescrub資料集（包括530個人），為了評測方便，從中選取80個人（男女各半，且每個人**要超過50張），每個人隨機選取一定**，組成probe set。具體選取的人和**，參照devkit/templatelists/facescrub_features_list.json，對應的distractors也有對應的megaface_features_list.json_1000000_1。
2 identification評測邏輯，就是假設probe set 有n個人，每個人有m張，每次選取一張作為probe photo，然後把剩餘的m-1張，在單獨每一張和distractors一起組成gallery，然後進行比對，計算rank1，rank10到rank=k的準確率，最終得到cmc曲線，其中相當於比對了n∗m
∗(m−
1)
n*m*(m-1)
n∗m∗(m
−1)次。
3 對於提供的probe set和distractors，其中有很多錯誤（probe set中有些並不是本人，然後distractors中有些是probe set中的人），參照insight face給出的nosies.txt，進行清除，然後生成特徵進行比對。對於官方給的identification.bin評測程式，注意的就是要把json檔案的名稱和特徵名稱匹配就行了。參照insight face，用lresnet50e-ir，模型進行測試得到rank1=97.2%
4 觀察megaface給出的probe set資料集，發現大部分，從表情，光照，表情，姿態上都比較正常（大部分微笑表情，沒有特別誇張表情），其中adrienne_barbeau大部分劉海遮住額頭，還有乙個男星所有帶著淺色眼睛。綜上，probe set中所有都是正常質量較高的。
M1的MacBook Air效能評測
從外部看，自4月份以來，關於m1 macbook air的幾乎沒有任何改變。它們的大小和重量，埠，麥克風和揚聲器的數量幾乎沒有變過。不過這款電腦的3.3英吋螢幕支援更寬的dci p3色彩空間。這是迄今為止，這是macbook pro一直用的顯示屏，現在這款螢幕首次用到了macbook air上面。7...
推薦系統系列1 推薦系統評測指標
0 前言 什麼才是好的推薦系統？這是推薦系統評測的需要解決的首要問題。那我們怎麼去判斷乙個系統的好壞呢？我們認為乙個好的推薦系統不僅僅能夠準確的 使用者的行為，而且還能夠擴充套件使用者的視野，幫助使用者發現那些他們可能會感興趣但卻不那麼容易發現的東西。評價乙個推薦系統的好壞一般有幾個不同的指標，這些...
LingdotEMP的一步一步（1）
2007.10.18 夜 emp終於顫巍巍的立起來了。這許多天的努力，終於看到一點成果，心裡畢竟還是很高興的。想以前在學校的那些日子，雖然也很忙碌，卻不曾這樣做如此遠大規劃的事情。可能也是發展的乙個歷程吧。現在的emp還很不穩定。讓我想起蜘蛛俠3裡面的沙人，剛要站起來，卻又變成散沙，每一次起來都似乎...