Menggunakan ambang kesamaan untuk mengasosiasikan dan mencocokkan wajah

Ambang kesamaan digunakan untuk wajah yang mengasosiasikan dan mencocokkan. Berikut ini adalah panduan untuk menggunakan ambang kesamaan untuk kedua kasus penggunaan.

Menggunakan ambang kesamaan untuk mengaitkan wajah

Saat mengaitkan wajah menggunakan AssociateFacesoperasi, penting untuk memastikan bahwa wajah yang dikaitkan dengan pengguna semuanya berasal dari orang yang sama. Untuk membantu, UserMatchThreshold parameter menentukan kepercayaan kecocokan pengguna minimum yang diperlukan untuk wajah baru yang akan dikaitkan dengan yang UserID mengandung setidaknya satu FaceID sudah. Ini membantu memastikan bahwa FaceIds yang terkait dengan hakUserID. Nilai berkisar dari 0-100 dan nilai default adalah 75.

Menggunakan ambang batas kemiripan untuk mencocokkan wajah

Kami memungkinkan Anda untuk mengontrol hasil dari semua operasi pencarian (CompareFaces, SearchFaces, SearchFacesByImage, SearchUsers, SearchUsersByImage) dengan memberikan ambang kesamaan sebagai parameter input.

FaceMatchThreshold, adalah atribut input ambang kesamaan untuk SearchFaces danSearchFacesByImage, dan mengontrol berapa banyak hasil yang dikembalikan berdasarkan kesamaan dengan wajah yang dicocokkan. Atribut ambang kesamaan untuk SearchUsers dan SearchUsersByImage isUserMatchThreshold, dan mengontrol berapa banyak hasil yang dikembalikan berdasarkan kesamaan dengan vektor pengguna yang dicocokkan. Atribut ambang batas adalah SimilarityThreshold untukCompareFaces.

Respons dengan nilai atribut respons Similarity yang lebih rendah dari ambang batas tidak dikirimkan. Ambang batas ini penting untuk dikalibrasi untuk mengalibrasi kasus penggunaan karena dapat menentukan jumlah positif palsu yang disertakan dalam hasil kecocokan Anda. Hal ini mengendalikan penarikan ulang hasil pencarian Anda—semakin rendah ambang batas, semakin tinggi penarikan ulangnya.

Semua sistem machine learning bersifat probabilistik. Anda harus menggunakan penilaian Anda dalam mengatur ambang batas kemiripan yang tepat, tergantung pada kasus penggunaan Anda. Misalnya, jika Anda ingin membangun aplikasi foto untuk mengidentifikasi anggota keluarga yang mirip, Anda dapat memilih ambang batas yang lebih rendah (misalnya 80%). Di sisi lain, untuk kasus penggunaan penegak hukum yang banyak, sebaiknya gunakan nilai ambang batas tinggi 99% atau lebih untuk mengurangi kesalahan identifikasi yang tidak disengaja.

Selain FaceMatchThreshold danUserMatchThreshold, Anda dapat menggunakan atribut Similarity respons sebagai sarana untuk mengurangi kesalahan identifikasi yang tidak disengaja. Misalnya, Anda dapat memilih untuk menggunakan ambang batas rendah (seperti 80%) untuk mendapatkan hasil yang lebih banyak. Kemudian Anda dapat menggunakan atribut respons Kesamaan (persentase kesamaan) untuk mempersempit pilihan dan memfilter respons yang tepat dalam aplikasi Anda. Sekali lagi, dengan menggunakan kemiripan yang lebih tinggi (seperti 99% dan lebih) dapat mengurangi risiko kesalahan identifikasi.