Utilisation de seuils de similarité pour associer et faire correspondre des visages

Les seuils de similarité sont utilisés à la fois pour associer et faire correspondre des visages. Ce qui suit est un guide d'utilisation des seuils de similarité pour les deux cas d'utilisation.

Utilisation de seuils de similarité pour associer des visages

Lorsque vous associez des visages à l'aide de cette AssociateFacesopération, il est important de vous assurer que les visages associés à un utilisateur proviennent tous de la même personne. Pour vous aider, le paramètre UserMatchThreshold indique le niveau de confiance minimal requis pour que le nouveau visage soit associé à un visage UserID qui contient déjà un FaceID. Cela permet de s’assurer que les FaceIds sont associés au UserID correct. La valeur est comprise entre 0 et 100 et la valeur par défaut est 75.

Utilisation des seuils de similarité pour faire correspondre les visages

Nous vous permettons de contrôler les résultats de toutes les opérations de recherche (CompareFaces, SearchFaces, SearchFacesByImage, SearchUsers, SearchUsersByImage) en fournissant un seuil de similarité comme paramètre d'entrée.

FaceMatchThreshold, est l’attribut en entrée de seuil de similarité pour SearchFaces et SearchFacesByImage. Il contrôle le nombre de résultats renvoyés en fonction de la ressemblance avec le visage mis en correspondance. L’attribut de seuil de similarité pour SearchUsers et SearchUsersByImage est UserMatchThreshold. Il contrôle le nombre de résultats renvoyés en fonction de la ressemblance avec le visage mis en correspondance. L’attribut de seuil est SimilarityThreshold pour CompareFaces.

Les réponses dont la valeur d’attribut de réponse Similarity est inférieure au seuil ne sont pas renvoyées. Ce seuil est important pour calibrer votre cas d’utilisation, car il peut déterminer le nombre de faux positifs inclus dans vos résultats de correspondance. Ce seuil contrôle la sensibilité de vos résultats de recherche ; plus le seuil est bas, plus la sensibilité est élevée.

Tous les systèmes d’apprentissage automatique (Machine Learning) sont probabilistes. Vous devez faire preuve de discernement dans la configuration du seuil de similarité approprié, en fonction de votre cas d’utilisation. Par exemple, si vous cherchez à développer une application photo pour identifier les membres de famille qui se ressemblent, vous pouvez choisir un seuil plus bas (par exemple, 80 %). En revanche, pour de nombreux cas d’utilisation d’application des lois, nous vous recommandons d’utiliser une valeur de seuil élevée de 99 % ou plus pour réduire le risque d’erreur d’identification.

En plus de FaceMatchThreshold et UserMatchThreshold, vous pouvez utiliser l’attribut de réponse Similarity comme moyen pour réduire risque d’erreur d’identification. Par exemple, vous pouvez choisir d’utiliser un seuil bas (tel que 80 %) pour renvoyer plus de résultats. Ensuite, vous pouvez utiliser l’attribut de réponse Similarité (pourcentage de similarité) pour affiner le choix et filtrer les bonnes réponses dans votre application. Là encore, l’utilisation d’une similarité plus élevée (par exemple, 99 % et plus) réduit le risque d’erreur d’identification.