在人脸识别的背景下，我有以下直方图：

蓝色箱计算“自我匹配”的比较距离（比较同一个人的两个图像）。橙色箱计算交叉比赛（不同的人）的距离。

距离是神经网络返回的值，作为两个人脸之间比较的结果，两个“人脸向量”（嵌入）相差多少。

我正在寻找一种功能，在给定距离的情况下，可以判断两张照片来自同一个人的可能性有多大。

这个函数应该看起来像这条红线（具有不同的 y 比例）：

因此，距离为 0.5 的可能性非常大，距离为 1.4 的可能性接近 50%。

有这样的功能吗？怎么称呼？

它与这个问题相似，但也非常不同。在我的情况下，一个非常小的 z 值（距离）仍然意味着高置信度，即使它与平均值相差很多标准偏差。对于像 1.0 这样的值也是如此。

这个问题也非常相似，但我想从实际测量中提取概率映射函数的距离，在参考数据集上，而不是从距离本身。因此，这不应该取决于损失或距离定义，而应仅取决于数据分布。