「誤認識した顔画像の検証（２）」にて綾瀬はるかさんの動画を使い、Face01 でのしきい値を変化させた時どれくらい誤認識が抑えられていくかを検証しました。
前回、「顔データを正しく再登録する」で登録されている顔データを整理・加工処理しました。これによって「誤認識した顔画像の検証（２）」とどのように認証具合に違いが出たかを検証します。

認証率を上げるためには何を心がければいいのでしょうか。今回は登録してある顔画像のうち、約 74% を捨てました。更に残った顔画像に対して修正を加え認証率を上げる処理を行いました。

Face01 を呼び出すためのテストスクリプト ( test_script.py ) のソースコードを掲載します。

しきい値の変化による誤認識の現れ方を検証しました。現場の運用ではどのような場合にどんな値を用いるのがベターなのでしょうか。

しきい値は十分に低いのにもかかわらず誤認識する場合があります。どのような対処が必要なのか解説します。

日本における顔認証システムの普及はどうなるのか、中国との違いをまとめています。

顔認証システムを選ぶ時に注意したい２つのポイント

顔認証システムを選ぶ時に気になるNISTとFRVTを解説します。

FACE01をベースにサンプルデータベースを作ります。

生体認証とは指紋や歩き方、虹彩、掌など何種類かありますが、100%信用できるものではありません。
生体認証のキーワードFAR 、FRRを含めてどのようなことなのか解説します。

特徴ベクトルの配列を外部ファイルとして保存して、エンコード時間を 0 にする仕組みを解説します。

顔認証システムを選ぶ時の注意したい２つの言葉！
積極認証と非積極認証の違いってなに？

顔認識技術関連の市場はコモディティ化をしていきます。大企業の独占からどのようにして変わっていくのでしょうか。解説いたします。