Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Übersicht über Gesichtserkennung und Gesichtsvergleich
Amazon Rekognition bietet Benutzern Zugriff auf zwei Hauptanwendungen für maschinelles Lernen für Bilder mit Gesichtern: Gesichtserkennung und Gesichtsvergleich. Sie ermöglichen wichtige Funktionen wie Gesichtsanalyse und Identitätsprüfung und sind daher für verschiedene Anwendungen unverzichtbar, von der Sicherheit bis hin zur Organisation persönlicher Fotos.
Gesichtserkennung
Ein Gesichtserkennungssystem befasst sich mit der Frage: „Ist auf diesem Bild ein Gesicht zu sehen?“ Zu den wichtigsten Aspekten der Gesichtserkennung gehören:
-
Position und Ausrichtung: Bestimmt das Vorhandensein, die Position, den Maßstab und die Ausrichtung von Gesichtern in Bildern oder Videobildern.
-
Gesichtsattribute: Erkennt Gesichter unabhängig von Attributen wie Geschlecht, Alter oder Gesichtsbehaarung.
-
Zusätzliche Informationen: Enthält Informationen zur Gesichtsverdeckung und zur Blickrichtung.
Vergleich von Gesichtern
Ein Gesichtsvergleichssystem konzentriert sich auf die Frage: „Stimmt das Gesicht auf einem Bild mit einem Gesicht auf einem anderen Bild überein?“ Zu den Funktionen des Gesichtsvergleichssystems gehören:
-
Vorhersagen zum Gesichtsabgleich: Vergleicht ein Gesicht in einem Bild mit einem Gesicht in einer bereitgestellten Datenbank, um Treffer vorherzusagen.
-
Behandlung von Gesichtsattributen: Verarbeitet Attribute, um Gesichter unabhängig von Gesichtsausdruck, Gesichtsbehaarung und Alter zu vergleichen.
Konfidenzwerte und verpasste Erkennungen
Sowohl Gesichtserkennungs- als auch Gesichtsvergleichssysteme verwenden Konfidenzwerte. Ein Konfidenzwert gibt die Wahrscheinlichkeit von Vorhersagen an, z. B. das Vorhandensein eines Gesichts oder eine Übereinstimmung zwischen Gesichtern. Höhere Werte deuten auf eine höhere Wahrscheinlichkeit hin. Beispielsweise deutet ein Konfidenzwert von 90% auf eine höhere Wahrscheinlichkeit einer korrekten Erkennung oder Übereinstimmung hin als 60%
Wenn ein Gesichtserkennungssystem ein Gesicht nicht richtig erkennt oder eine Vorhersage mit geringer Zuverlässigkeit für ein echtes Gesicht liefert, ist dies ein verpasstes detection/false negative. If the system incorrectly predicts the presence of a face at a high confidence level, this is a false alarm/false Ergebnis.
Ebenso kann es sein, dass ein Gesichtsvergleichssystem zwei Gesichter, die derselben Person gehören, nicht zuordnen kann (verpasstes detection/false negative) or may incorrectly predict that two faces from different people are the same person (false alarm/false positives Ergebnis).
Anwendungsdesign und Schwellenwerteinstellung
-
Sie können einen Schwellenwert festlegen, der das Mindestkonfidenzniveau angibt, das für die Rückgabe eines Ergebnisses erforderlich ist. Die Auswahl geeigneter Konfidenzschwellen ist für das Anwendungsdesign und die Entscheidungsfindung auf der Grundlage der Systemergebnisse von entscheidender Bedeutung.
-
Das von Ihnen gewählte Konfidenzniveau sollte Ihrem Anwendungsfall entsprechen. Einige Beispiele für Anwendungsfälle und Konfidenzschwellen:
-
-
Fotoanwendungen: Ein niedrigerer Schwellenwert (z. B. 80%) könnte ausreichen, um Familienmitglieder auf Fotos zu identifizieren.
-
Szenarien mit hohem Risiko: In Anwendungsfällen, in denen das Risiko einer verpassten Erkennung oder eines Fehlalarms höher ist, wie z. B. bei Sicherheitsanwendungen, sollte das System ein höheres Konfidenzniveau verwenden. In solchen Fällen wird ein höherer Schwellenwert (z. B. 99%) für genaue Gesichtsabgleiche empfohlen.
-
Weitere Informationen zur Festlegung und Erläuterung von Konfidenzschwellen finden Sie unterGesichtssuche in einer Sammlung.
