चेहरा पहचान
तय करना कि दो चेहरे एक ही व्यक्ति के हैं
यह पृष्ठ अंग्रेज़ी में प्रस्तुत है; शीर्षक और सारांश का स्थानीयकरण किया गया है।
यह क्षमता क्या है
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.
तकनीकी रूप से कैसे
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.
प्रतिनिधि उत्पाद
1संबंधित संस्थान
सामान्य उपयोग
- Access control and ID verification
- Automatic people grouping in photo albums
- Identity confirmation for remote account opening
- Video search and person tracking
इसका मूल्यांकन कैसे होता है
- 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
सीमाएँ और कठिनाइयाँ
- 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
इसके पीछे की अवधारणाएँ
छवि का डिजिटल निरूपण
मशीन के लिए तस्वीर संख्याओं के परतदार जाल के अलावा कुछ नहीं
स्व-पर्यवेक्षित दृष्टि और बहुविध कंट्रास्टिव अधिगम
लेबल की ज़रूरत नहीं: “कौन-सी छवियाँ एक जैसी हैं” से देखना सीखना
मॉडल मूल्यांकन और क्रॉस-वैलिडेशन
सटीकता सबसे भ्रामक मापदंड है — मूल्यांकन गलत हुआ तो बाकी सब बेकार है