Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Panoramica del rilevamento e del confronto facciale
Amazon Rekognition offre agli utenti l'accesso a due applicazioni principali di machine learning per immagini contenenti volti: rilevamento e confronto di volti. Offrono funzionalità cruciali come l'analisi facciale e la verifica dell'identità, rendendole fondamentali per varie applicazioni, dalla sicurezza all'organizzazione delle foto personali.
Rilevamento dei volti
Un sistema di riconoscimento facciale risponde alla domanda: «C'è un volto in questa foto?» Gli aspetti chiave del riconoscimento facciale includono:
-
Posizione e orientamento: determina la presenza, la posizione, la scala e l'orientamento dei volti nelle immagini o nei fotogrammi video.
-
Attributi del viso: rileva i volti indipendentemente da attributi come sesso, età o peli sul viso.
-
Informazioni aggiuntive: fornisce dettagli sull'occlusione del viso e sulla direzione dello sguardo.
Confronto facciale
Un sistema di confronto facciale si concentra sulla domanda: «Il volto in un'immagine corrisponde a un volto in un'altra immagine?» Le funzionalità del sistema di confronto facciale includono:
-
Previsioni sulla corrispondenza dei volti: confronta un volto in un'immagine con un volto in un database fornito per prevedere le corrispondenze.
-
Gestione degli attributi dei volti: gestisce gli attributi per confrontare i volti indipendentemente dall'espressione, dai peli del viso e dall'età.
Punteggi di confidenza e rilevamenti mancati
Sia i sistemi di riconoscimento facciale che quelli di confronto facciale utilizzano punteggi di confidenza. Un punteggio di confidenza indica la probabilità di previsioni, come la presenza di un volto o una corrispondenza tra volti. I punteggi più alti indicano una maggiore probabilità. Ad esempio, una confidenza del 90% suggerisce una maggiore probabilità di un rilevamento o di una corrispondenza corretti rispetto al 60%.
Se un sistema di riconoscimento facciale non rileva correttamente un volto o fornisce una previsione con scarsa attendibilità per un volto reale, si tratta di un dato detection/false negative. If the system incorrectly predicts the presence of a face at a high confidence level, this is a false alarm/false positivo perso.
Analogamente, un sistema di confronto facciale potrebbe non corrispondere a due volti che appartengono alla stessa persona (detection/false negative) or may incorrectly predict that two faces from different people are the same person (false alarm/falserisultato negativo mancato).
Progettazione dell'applicazione e impostazione delle soglie
-
È possibile impostare una soglia che specifica il livello di confidenza minimo richiesto per restituire un risultato. La scelta delle soglie di confidenza appropriate è essenziale per la progettazione delle applicazioni e il processo decisionale in base agli output del sistema.
-
Il livello di confidenza scelto deve riflettere il caso d'uso. Alcuni esempi di casi d'uso e soglie di confidenza:
-
-
Applicazioni fotografiche: una soglia inferiore (ad esempio 80%) potrebbe essere sufficiente per identificare i membri della famiglia nelle foto.
-
Scenari ad alto rischio: nei casi d'uso in cui il rischio di mancato rilevamento o di falsi allarmi è maggiore, come le applicazioni di sicurezza, il sistema dovrebbe utilizzare un livello di confidenza più elevato. In questi casi, si consiglia una soglia più alta (ad esempio il 99%) per abbinamenti facciali accurati.
-
Per ulteriori informazioni sull'impostazione e la comprensione delle soglie di confidenza, vedere. Ricerca di volti in una raccolta
