Reconnaissance faciale
Décider si deux visages sont la même personne
Le texte intégral est présenté en anglais ; le titre et le résumé sont localisés.
CE QUE DÉSIGNE CETTE CAPACITÉ
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.
Comment c'est fait
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.
Produits représentatifs
1Organisations concernées
Usages typiques
- Access control and ID verification
- Automatic people grouping in photo albums
- Identity confirmation for remote account opening
- Video search and person tracking
Comment on l'évalue
- 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
Limites et points difficiles
- 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
Concepts sous-jacents
Représentation numérique de l’image
Pour une machine, une photo n’est qu’une pile de grilles de nombres
Vision auto-supervisée et apprentissage contrastif multimodal
Sans étiquettes : apprendre à voir en devinant quelles images sont identiques
Évaluation de modèle et validation croisée
L’exactitude est la métrique la plus trompeuse — une évaluation erronée fait tout s’effondrer