来自百度 AI 平台
来自 face++
通过上面两张图相信对人脸识别相信有一定理解，想要具体了解概念的，可以百度，谷歌。
而性别识别是人脸属性中其中一种。
算法的输入和输出是什么的内容，格式。
测试人员需要给出的评价指标。
训练数据中男性照片和女性照片数据分别有多少，比例。
照片数据是怎样的（是否有老人，小孩等）。
算法是如何实现的。（整个模型预测流程；数据是如何处理；用的是什么算法）
思考方向：
算法工程师使用男女训练数据比例是否合理？
照片数据中覆盖是否全面？
类比一个输入框的测试，需要测试汉字、字符、表情、数字、字母，组合等多种情况下的。这里也是类似。
主要考虑：
1，需要什么样的测试数据
2，测试数据要多少
思考什么情况下可能会影响到算法识别性别，准备这样的测试数据。
这里给出一些参考：
男性照片和女性照片测试数据比例和训练数据中比例保持一致。
照片数据中包括不同年龄段男女
正常脸部拍摄的照片
包括不同光线照明场景，尤其是弱光，光线不足，暗场景下的照片。
包括不同姿势（偏头、仰头、侧面）场景照片。
被物体（如眼镜、面膜、口罩、手等）遮挡场景照片。
测试数据总数多少参考之前写文章。
本次项目测试主要考虑用户群体，用户场景下拍摄的照片。不使用网络照片。不使用国外人脸数据集。不考虑国外人群，像黑种人性别识别。
进入性别识别前有人脸识别模型判断有没有人脸，多人脸判断等，所以不用考虑非人脸是否会识别出性别的问题。
场景下不会有脸部区域很小的照片。此不考虑。
笔者这里使用 1100 张女性照片，900 张男性照片做为测试数据。
如果是图片是本地.jpg 格式的，在一个文件夹中新建 2 个子文件夹，一个命名 man 存放所有男性照片，一个命名为 woman 存在所有女性照片。
如果图片是 url，所有 url 保存在一个 txt 文档中，分为两列，第一列为 url， 第二列为对应标注 1， 2
测试脚本主要功能：批量运行所有测试数据，记录模型预测值，和标注值进行，计算得出评价指标。保存判断出错的照片。并记录每张照片所预测耗时，计算出平均值、中位值、最大值 、最小值等 数据。
使用 python 编写实现，评价指标使用 sklearn 包，平均值使用 numpy。
查看评价指标。
查看判断出错的照片，是不是标注出错。有没有什么共同特征等。
上面只是描述评价模型的方法。一个项目的测试并不只是有这个，还包括其他如
使用大量照片（不需要标注男女）运行，只关注是否会有运行失败、报错的情况，不关注预测出来的结果是否正确。
大量数据情况下，主要考察是否有些数据会运行报错。
方式为调用百度和 face++ 开放 api，调用试一试
