11月16日，美国标准与技术研究院(nist)公布了人脸识别比赛(frvt)新报告，依图算法继续保持，在千万分之一误报下的识别准确率超过 99%，是目前人脸识别技术的好水平。
来源：frvt网站
“在千万分之一误报下的识别准确率超过 99%”意味着什么？——机器几乎可以做到在1000万人的规模下准确识别每一个人，而人脑记忆并辨别出100个人的身份都很有可能犯错。
人脸识别精度的提高，代表着在特定场景下用户将获得更好的体验，比如你在刷脸支付时不会遇到机器认不出自己的尴尬情况，你的账户也不会被长相酷似自己的他人盗刷。不同行业的工作效率也将大幅提升，比如公安一线警务人员在确认走失老人身份等业务场景的排查效率将得到提高。
(相对于几个月前，依图算法的性能指标再上一个台阶，在签证照场景下的性能全面)
来源：frvt报告
nist隶属于美国*，其主办比赛的结果被作为美国采购的指导以及工业界实际应用的黄金标准。据nist介绍，本次测试数据全部来自美国出入境、刑侦等真实业务场景，测试结果代表着技术在实战场景中的表现；而依图本次提交的算法直接采用了日常产品中的算法模型，这一测试结果直接印证了依图真实产品技术在实战中的表现。
十多年来，frvt一直是业内的人脸识别比赛，荷兰gemalto、法国morpho、俄罗斯vocord等诸多老牌大厂都曾参与其中；ever ai等美国人工智能公司，海康、大华、商汤科技、旷视科技等中国公司近年来也积极加入了竞赛的行列。
与此同时，工业界技术的日益精进也在推动比赛标准的提升。nist 在今年 6 月将作为评判标准的误报率从万分位改至千万分位，也就是说识别一万个人已经不够体现高技术水平，“考卷难度”会越来越大。
ai 算法远未趋同，而是正在放大差距——让我们共同期待未来更多的技术突破和创新。
about 误报率&漏报率
误报是指不同人的两张人脸照片被机器识别为同一个人，即“报警错误”，“报警错误”的次数/识别总次数就是误报率(fmr)。
漏报则是指同个人的两张人脸照片被机器识别为不是同一个人，即应该报警却没有报警，“遗漏报警”的次数/识别总次数就是漏报率(fnmr)。
高性能的人脸识别技术就是要在控制“错杀”的前提下，减少“漏掉”的数量。