Hoe NIST de nauwkeurigheid van gezichtsherkenning test. Het National Institute of Standards & Technology (NIST) is de benchmark in de branche voor nauwkeurigheid van gezichtsherkenning. NIST speelt een cruciale rol bij het bieden van transparantie aan de industrie, door de nauwkeurigheid, prestaties en vertekening drie keer per jaar te evalueren. RealNetworks pleit ervoor om regelmatig algoritmen in te dienen voor NIST-tests, omdat we maar al te goed weten hoe algoritmen in de loop van de tijd aanzienlijk kunnen veranderen: in slechts drie maanden, van april 2019 tot juli 2019, werd SAFR van RealNetworks 30% sneller. Nauwkeurigheid bij live video is de combinatie van snelheid en nauwkeurigheid. Als je NIST-resultaten bekijkt, zou je kunnen denken dat ze ook van toepassing zijn op live video, maar NIST evalueert alleen de prestaties van stilstaande beelden, waarbij de resultaten worden gesegmenteerd op afbeeldingstype: visa-foto's, mugshots, webcam of wilde beelden. Een false non-match rate (FNMR) is de snelheid waarmee het algoritme twee vastgelegde afbeeldingen van dezelfde persoon verkeerd categoriseert als zijnde van verschillende personen. Als u op de NIST FNMR vertrouwt voor nauwkeurigheids resultaten op een bepaald algoritme, krijgt u niet het volledige verhaal.Effectieve nauwkeurigheid bij live video betekent dat u het best mogelijke resultaat krijgt terwijl u een gezicht over meerdere frames volgt om real-time video bij te houden. Terwijl live video-gezichtsherkenning hetzelfde gezicht vaak snel achter elkaar laat zien, met iets andere belichting en hoeken, om de nauwkeurigheid te verbeteren, kunnen concurrerende oplossingen alleen herkenning uitvoeren op elk 10e, 15e of zelfs 30e frame. SAFR behaalt meer dan 500 herkenningen per seconde per GPU-kaart en kan deze capaciteit indien nodig automatisch verdelen over meerdere videostreams. De mogelijkheid om uit meerdere videoframes het beste referentiebeeld te selecteren, vergroot vervolgens onze nauwkeurigheid.