视觉智能平台人脸搜索 这两个参数 有什么区别，怎么使用呀？

视觉智能平台人脸搜索参数详解

在视觉智能平台的人脸识别功能中，通常有两个重要的参数：threshold 和 face_size，这两个参数对于搜索结果的精确度和性能有着重要影响。

1. threshold（阈值）

1.1 定义

threshold 是一个介于0到1之间的数值，用于确定两个面部特征之间的匹配程度，当相似度超过这个阈值时，系统会认为这两个面部是同一个人。

1.2 使用方式

当 threshold 设置得较低（例如0.3）时，只有非常相似的面部才会被识别为同一个人，这可以减少误报，但可能会增加漏报。

当 threshold 设置得较高（例如0.8）时，较为相似的面部也会被识别为同一个人，这可以增加识别率，但可能会增加误报。

1.3 应用场景

在安全要求较高的场景下，如支付验证，推荐使用较低的 threshold。

在用户体验优先的场景下，如推荐好友，可以使用较高的 threshold。

2. face_size（人脸大小）

2.1 定义

face_size 是一个表示像素大小的值，用于指定最小可检测的人脸大小，如果输入图像中的人脸小于这个值，那么系统将无法检测到这个人脸。

2.2 使用方式

当 face_size 设置得较大（例如200）时，只有较大的人脸才能被检测到，这可以提高检测速度，但可能会漏掉小的人脸。

当 face_size 设置得较小（例如50）时，较小的人脸也能被检测到，但这可能会降低检测速度。

2.3 应用场景

在实时性要求较高的场景下，如视频监控，推荐使用较大的 face_size。

在需要检测所有人脸的场景下，如人脸计数，可以使用较小的 face_size。

归纳

通过合理调整 threshold 和 face_size，可以在保证识别精度的同时，提高系统的性能，具体设置应根据实际业务需求和场景进行调整。