التعرّف على الوجوه
تحديد ما إذا كان الوجهان لشخص واحد
يُعرض النص الكامل باللغة الإنجليزية؛ وقد تمت ترجمة العنوان والملخص.
ما الذي تعنيه هذه القدرة
Takes one or two face images and outputs an identity decision: verification answers whether the two are the same person, while identification asks who in a gallery a face matches. Faces are first aligned and encoded into feature vectors, then compared by distance. Unlike classification the class set is not fixed; the comparison target comes from a dynamic gallery.
كيف تُنفَّذ تقنيًا
The pipeline typically detects a face, aligns it by keypoints, and extracts a feature vector with a deep network trained by metric learning to pull the same person together and push others apart. Early systems relied on hand-crafted features; deep metric learning around 2014 pushed accuracy past the practical threshold. Liveness detection, which separates a live person from a photo or a mask, is an indispensable part of any deployment.
منتجات تمثيلية
1المؤسسات ذات الصلة
الاستخدامات الشائعة
- Access control and ID verification
- Automatic people grouping in photo albums
- Identity confirmation for remote account opening
- Video search and person tracking
كيف يُقاس مدى جودتها
- 1:1 verification accuracy
- Correct same-or-different decisions
- TAR@FAR
- True accept rate at a fixed false accept rate
- Identification mAP
- Ranking quality when searching a gallery
الحدود والصعوبات
- Large pose differences, age gaps and harsh lighting push the same person apart in feature space
- Uneven training data produces systematic bias across skin tones and genders
- Photos, replayed video and realistic masks can fool the system, so liveness detection is required, not optional
المفاهيم الكامنة وراءها
التمثيل الرقمي للصورة
الصورة بالنسبة للآلة ليست سوى شبكات من الأرقام متراكبة
الرؤية ذاتية الإشراف والتعلّم التقابلي متعدد الوسائط
بلا وسوم: يتعلّم الرؤية باستنتاج أي الصور متطابقة
تقييم النموذج والتحقق المتقاطع
الدقة هي أسهل مقياس يخدعك — وإن أخطأت في التقييم سقط كل ما بعده