¿Y si por más avanzado quieres decir precisión de reconocimiento? Mirando bien el rendimiento de Face ++ en las caras etiquetadas en la naturaleza (LFW) específicamente en:
Figura 1 . Rendimiento fuente LFW [1] en datos externos etiquetados sin restricciones.
- Cómo pasar del desarrollo de software al aprendizaje automático / análisis de datos
- ¿Cuál es una descripción intuitiva de cómo funciona Lucene?
- ¿Cuándo aprenderá un ingeniero civil sobre el software bim?
- ¿A qué debe asignarse un nuevo miembro del equipo en el equipo de desarrollo?
- ¿Qué se entiende por una actualización continua en el desarrollo de software?
Claramente, Face ++ es superado por muchas otras técnicas como FaceNet de Google, la tecnología de reconocimiento facial Baidu y Dahua-FaceImage con una precisión del 99.78% en comparación con la precisión de Face ++ 99.50%.
Es posible que el rendimiento de Face ++ sea mejor en ciertas otras condiciones. No me he tomado el tiempo para mirar todas las categorías de resultados, por lo que quizás Face ++ reina al considerar todos los demás resultados en el punto de referencia.
Espero que esto ayude.
Notas al pie
[1] LFW: Resultados