Gambaran umum deteksi wajah dan perbandingan wajah

Amazon Rekognition memberi pengguna akses ke dua aplikasi pembelajaran mesin utama untuk gambar yang berisi wajah: deteksi wajah dan perbandingan wajah. Mereka memberdayakan fitur-fitur penting seperti analisis wajah dan verifikasi identitas, menjadikannya penting untuk berbagai aplikasi mulai dari keamanan hingga organisasi foto pribadi.

Deteksi Wajah

Sistem deteksi wajah menjawab pertanyaan: “Apakah ada wajah dalam gambar ini?” Aspek kunci dari deteksi wajah meliputi:

• Lokasi dan orientasi: Menentukan keberadaan, lokasi, skala, dan orientasi wajah dalam gambar atau bingkai video.

• Atribut wajah: Mendeteksi wajah terlepas dari atribut seperti jenis kelamin, usia, atau rambut wajah.

• Informasi Tambahan: Memberikan detail tentang oklusi wajah dan arah pandangan mata.

Perbandingan Wajah

Sistem perbandingan wajah berfokus pada pertanyaan: “Apakah wajah dalam satu gambar cocok dengan wajah di gambar lain?” Fungsionalitas sistem perbandingan wajah meliputi:

• Prediksi pencocokan wajah: Membandingkan wajah dalam gambar dengan wajah dalam database yang disediakan untuk memprediksi kecocokan.

• Penanganan atribut wajah: Menangani atribut untuk membandingkan wajah terlepas dari ekspresi, rambut wajah, dan usia.

Skor kepercayaan diri dan deteksi yang terlewat

Baik deteksi wajah dan sistem perbandingan wajah menggunakan skor kepercayaan. Skor kepercayaan menunjukkan kemungkinan prediksi, seperti kehadiran wajah atau kecocokan antar wajah. Skor yang lebih tinggi menunjukkan kemungkinan yang lebih besar. Misalnya, kepercayaan 90% menunjukkan probabilitas deteksi atau kecocokan yang lebih tinggi dari 60%.

Jika sistem deteksi wajah tidak mendeteksi wajah dengan benar, atau memberikan prediksi kepercayaan rendah untuk wajah yang sebenarnya, ini adalah deteksi yang terlewat/negatif palsu. Jika sistem salah memprediksi keberadaan wajah pada tingkat kepercayaan tinggi, ini adalah alarm palsu/positif palsu.

Demikian pula, sistem perbandingan wajah mungkin tidak cocok dengan dua wajah milik orang yang sama (deteksi terlewat/negatif palsu) atau mungkin salah memprediksi bahwa dua wajah dari orang yang berbeda adalah orang yang sama (alarm palsu/positif palsu).

Desain aplikasi dan pengaturan ambang batas

• Anda dapat menetapkan ambang batas yang menentukan tingkat kepercayaan minimum yang diperlukan untuk mengembalikan hasil. Memilih ambang kepercayaan yang tepat sangat penting untuk desain aplikasi dan pengambilan keputusan berdasarkan output sistem.

• Tingkat kepercayaan yang Anda pilih harus mencerminkan kasus penggunaan Anda. Beberapa contoh kasus penggunaan dan ambang kepercayaan:

• • Aplikasi Foto: Ambang batas yang lebih rendah (misalnya, 80%) mungkin cukup untuk mengidentifikasi anggota keluarga dalam foto.

  • Skenario Taruhan Tinggi: Dalam kasus penggunaan di mana risiko deteksi yang terlewat atau alarm palsu lebih tinggi, seperti aplikasi keamanan, sistem harus menggunakan tingkat kepercayaan yang lebih tinggi. Dalam kasus seperti itu, ambang batas yang lebih tinggi (misalnya, 99%) direkomendasikan untuk kecocokan wajah yang akurat.

Untuk informasi lebih lanjut tentang pengaturan dan pemahaman ambang kepercayaan, lihat. Mencari wajah dalam koleksi