فناوری تشخیص چهره به طور گسترده ای در سیستم های نظارت برای افزایش امنیت و نظارت بر فضاهای عمومی استفاده می شود و دقت این سیستم ها برای کاهش مثبت کاذب و منفی بسیار مهم است.این مطالعه موردی بررسی می کند که چگونه یک شرکت امنیتی عملکرد تشخیص چهره را در یک محیط شلوغ شهری بهبود بخشید.

چالش های اولیه

سیستم نظارت با مشکلاتی در شناسایی دقیق افراد به دلیل شرایط مختلف نور، زاویه ها و کیفیت تصویر مواجه شد.

راه حل های پیاده سازی

این شرکت چندین استراتژی برای بهبود دقت اتخاذ کرد:

  • جمع آوری داده های قابل اعتماد: [FLT 1] جمع آوری تصاویر متنوع از افراد در شرایط مختلف.
  • بهینه سازی آلگوریتم: ارتقاء به مدل های یادگیری عمیق پیشرفته آموزش دیده در مجموعه داده های بزرگتر.
  • پیش پردازش پیش بینی: [FLT 1] تکنیک هایی مانند عادی سازی و کاهش سر و صدا را اعمال کنید.
  • [[۱] [۱۰] [۱] [۱] [۱] [۱]] نصب نور بهتر و زاویه های دوربین.

نتایج حاصل

پس از اجرای این اقدامات، دقت سیستم به طور قابل توجهی بهبود یافت.میزان مثبت کاذب 30 درصد کاهش یافت و سرعت شناسایی افزایش یافت.این پیشرفت ها منجر به نتایج امنیتی بهتر و افزایش اعتماد به نفس کاربر شد.