Ano ang face search tool?

Maaaring pamilyar ka na sa face search. Isa itong sistemang naghahanap ng mga tao sa internet gamit ang kanilang mga larawan.

Sa madaling salita: Mag-a-upload ka ng larawan mo, at hahanapin ng face search tool ang mga larawan mo sa iba pang website.

Paano gumagawa ng AI model?

Magsimula tayo sa hardware. Para sa mas malalaking AI model, karaniwang gumagamit ang mga developer ng mga computer na may ilang malalakas na GPU. Kayang magsagawa ng GPU ng maraming kalkulasyon nang sabay-sabay.

Pagkatapos, sumusulat ng code ang mga developer. Madalas gamitin ang Python at mga AI framework tulad ng PyTorch o TensorFlow para tukuyin kung ano ang dapat matutuhan ng model at kung aling data ang gagamitin sa pagsasanay nito.

Kapag handa na ang code, nangongolekta sila ng mga larawan at sinasanay ang model. Pinapakita rito ang napakaraming halimbawa. Sa simula, kadalasan ay mali ang mga sagot nito. Sa bawat pagkakamali, bahagyang inaayos ang mga panloob na parameter nito, na tinatawag na weights, hanggang maging kasiya-siya ang mga resulta.

Sa ibaba, ipapaliwanag namin kung paano nakakahanap at nakakapaghambing ng mga mukha sa larawan ang mga AI model para sa face search, at kung paano nakakahanap ng mga larawan sa internet.

Paano gumagana ang facial recognition?

May ilang hakbang ang facial recognition. Narito ang pinakasimpleng paliwanag:

1. Pagtukoy ng mukha sa larawan

Una, hinahanap ng system ang mukha sa larawang na-upload. Tinutukoy nito kung nasaan ang mukha at inihihiwalay ito sa background at sa iba pang bagay sa larawan.

Paano sinasanay ang mga facial recognition model?

Sinasanay ang mga facial recognition model gamit ang napakaraming larawan ng mga mukha. Sa pagsasanay, natututuhan ng AI kung aling mga katangian ng mukha ang nakakatulong para maiba ang isang tao sa iba. Sa paglipas ng panahon, natututuhan din nitong makakita ng mga pagkakatulad sa magkakaibang larawan ng iisang tao.

Sa madaling salita: Pinapakita sa AI ang napakaraming larawan hanggang matutuhan nitong pag-ibahin ang mga mukha.

2. Pagsusuri ng mga katangian ng mukha

Pagkatapos, sinusuri ng AI ang mukha. Kinakalkula nito ang mga distansya sa pagitan ng iba’t ibang katangian ng mukha at gumagawa ng matematikal na representasyon ng nakita nito.

3. Pag-convert ng mukha sa vector

Sa halip na mag-imbak ng mga paglalarawang tulad ng “malalaking mata,” ginagamit ng system ang mga numero para katawanin ang mga katangiang ito. Dahil dito, mas madali at mas mabilis na naihahambing ng computer ang isang mukha sa milyon-milyong iba pang mukha.

4. Paghahambing ng mga mukha

Inihahambing ng AI ang mga natukoy na katangian ng mukha sa mga mukhang nasa search index o database. Itinuturing na posibleng magkatugma ang mga mukhang may magkahawig na vector.

Pagkatapos, maaaring kalkulahin ng system ang similarity score at unang ipakita ang mga resultang pinakamalapit ang pagkakatugma.

Mga crawler: Paano kinokolekta ang mga larawan?

Para makahanap ng mga larawan ang isang face search engine, kailangan muna nitong bumuo ng image index. Gumagamit ito ng mga web crawler para gawin iyon.

Ang mga crawler ay mga awtomatikong programang bumibisita sa mga webpage na maaaring ma-access ng publiko. Kapag may nakitang larawan ang search engine sa isang ganitong page, idinaragdag nito ang larawan sa index. Kung may matukoy na mukha, maaaring gumawa ang system ng facial vector na maihahambing sa mga larawang ia-upload ng mga user sa ibang pagkakataon.

Magkapareho ba ang mga face search model at LLM?

Minsan ay napagkakapalit ang face search at mga LLM. Simple lang ang sagot:

Hindi magkapareho ang mga face search model at LLM, bagama’t pareho silang uri ng AI model.

Ang mga LLM ay mga model na gumagawa ng text, tulad ng ChatGPT o Google Gemini.

Kaya ang mga face search tool tulad ng lenso.ai o eyematch.ai ay hindi mga LLM. Ang mga ito ay reverse image search engine na gumagamit ng sarili nilang mga AI model.

Gumagamit din ang lenso.ai ng non-generative AI at hindi ito LLM. Para malaman pa ang pagkakaiba ng generative at non-generative AI, basahin ang artikulong ito: Generative AI vs. non-generative AI: Ano ang mga pagkakaiba?

Author

Kinga Jasinska

Marketing Specialist