0

我们已经使用我们的本地面部图像数据集进行了广泛的比较面部识别/匹配提供商的练习。

MS Cognitive服务在False Rejects Rate (FRR)特定情况下名列前茅False Accept Rate (FAR)。我们正忙于确定不同图像类型匹配（自拍与文档等）的通过阈值。

问题是，如果我们使用特定https://{endpoint}/face/v1.0/版本（我们担心的是，我们会根据我们的测试结果和当前的置信度分数选择一个通过阈值，然后由于机器学习/发布，分数在未来会发生变化，这意味着我们将不得不不断地重新调整我们的阈值。DetectVerifyrecognitionModel = recognition_02detectionModel = detection_02

https://westus.dev.cognitive.microsoft.com/docs/services/563879b61984550e40cbbe8d/operations/563879b61984550f3039523a

4

1 回答 1

1

我认为这是一个关于 MS Azure 认知服务（如 Face API）模型功能稳定性的好问题。根据我对机器学习的了解，有一些可能的原因会导致您所说的问题，如下所示。

  1. 机器学习模型的结构会随着服务的升级而改变。
  2. 升级后的服务版本开始支持一个新的 API，它具有不同于当前的新参数。

当然，我认为以上两种情况绝对有可能发生。但是，有三个原因让我相信不会对您的影响太大。

  1. MS作为市场上的大型云提供商，对于相同的应用场景，它会确保升级后的服务返回与之前相同的输入数据相同的输出日期，甚至升级ML模型以提高性能。然后，MS 可以让老客户继续使用 Azure 订阅并为其付费。
  2. 除了一些预览服务，微软作为一家成功的 IT 公司，将保持其服务功能与之前的兼容，如 MS Office 365 仍然与旧版本兼容。
  3. 如果新版本真的出现不兼容的情况，我想MS会给老版本的用户提供迁移指南。

考虑到最坏的情况，从技术上讲，有许多开源人脸识别解决方案可以作为您的后盾。这没什么大不了的。

于 2019-09-10T17:43:38.867 回答