Wie genau ist die Gesichts-Rückwärtssuche?
Die Gesichts-Rückwärtssuche erreicht unter optimalen Bedingungen etwa 95 % Trefferquote, also bei einem scharfen, frontalen, gut ausgeleuchteten Foto eines einzelnen unverdeckten Gesichts. Genauigkeit ist keine feste Zahl, die überall gilt: Sie sinkt mit Winkel, Unschärfe, Filtern und Verdeckungen, und ein Konfidenzwert misst die Ähnlichkeit zweier Gesichter, nicht die Wahrscheinlichkeit, dass der Treffer die richtige Person ist.
Zuletzt geprüft
Kurz gefasst
- Etwa 95 % ist der Wert unter optimalen Bedingungen, keine Zusage, die für jedes Foto gilt.
- Ein Konfidenzwert misst, wie ähnlich sich zwei Gesichter sind. Er ist nicht die Wahrscheinlichkeit, dass der Treffer stimmt.
- Falsch-Positive wiegen schwerer als verpasste Treffer: Zwei verschiedene Personen als Treffer zu werten ist der Fehler, der Schaden anrichtet.
- Auch ein genaues Modell liefert im Webmaßstab falsche Personen, weil jeder Index weit mehr Fremde enthält als die gesuchte Person.
- Jeder Treffer ist ein zu prüfender Hinweis, niemals ein Identitätsnachweis.
Wie genau ist die Gesichts-Rückwärtssuche?
Die Gesichts-Rückwärtssuche erreicht unter optimalen Bedingungen etwa 95 % Trefferquote. Optimale Bedingungen sind eine echte Einschränkung und keine Floskel: Gemeint ist ein einzelnes unverdecktes Gesicht, zur Kamera gewandt, gleichmäßig ausgeleuchtet und mit genug Auflösung, damit die Merkmale unterscheidbar bleiben. Fehlt eines davon, sinkt die Genauigkeit dieser konkreten Suche, obwohl sich das zugrunde liegende Modell nicht geändert hat. Die Zahl beschreibt das System bei einem guten Foto, nicht das durchschnittliche Ergebnis irgendeines vorhandenen Fotos.
- Die Zahl beschreibt das Modell, nicht Ihre Suche. Ihr Foto entscheidet, an welchem Ende der Spanne Sie landen.
- Genauigkeit und Nutzen sind zweierlei. Ein richtiger Treffer auf einer nicht erreichbaren Seite sagt weiterhin nichts aus.
- Für ein Gesicht, das nirgends indexiert ist, existiert keine Genauigkeitsangabe. Das ist eine Frage der Abdeckung, nicht der Genauigkeit.
Was misst ein Konfidenzwert tatsächlich?
Ein Konfidenzwert misst, wie nah das hochgeladene und das gefundene Gesicht im Zahlenraum des Modells beieinanderliegen. Er ist ein Ähnlichkeitsmaß auf der eigenen Skala der Suchmaschine, nicht die Wahrscheinlichkeit, dass beide Fotos dieselbe Person zeigen. Ein Wert von 90 bedeutet nicht, dass der Treffer zu 90 % richtig ist. Er bedeutet, dass sich beide Gesichter nach dem Maß des Modells stark ähneln, was bei einem guten Foto ein starker Beleg ist und bei einem schlechten Foto ein deutlich schwächerer.
Warum liefert ein genaues System trotzdem die falsche Person?
Weil jeder durchsuchbare Index ungleich mehr Fremde enthält als die eine gesuchte Person. Ein Modell, das eines von zehntausend Gesichtern falsch zuordnet, klingt präzise, doch eine Suche gegen Millionen indexierter Gesichter fördert neben dem richtigen Treffer weiterhin falsche Personen zutage. Die je Vergleich gemessene Genauigkeit übersteht es nicht, mit der Zahl der Vergleiche multipliziert zu werden, die eine Suche im Webmaßstab durchführt. Genau dafür existiert ein Konfidenzschwellenwert, und deshalb ist das oberste Ergebnis nicht automatisch die richtige Person.
Welche Eigenschaften des Fotos verändern das Ergebnis?
Sechs Eigenschaften des hochgeladenen Bildes erklären den Großteil des Unterschieds zwischen einem sauberen Treffer und einem unbrauchbaren Ergebnis. Sie summieren sich: Ein kleines, seitliches, gefiltertes Gesicht ist weit schlechter als jedes dieser Probleme für sich.
| Eigenschaft | Hilft der Genauigkeit | Schadet der Genauigkeit |
|---|---|---|
| Gesichtswinkel | Frontal, beide Augen sichtbar | Ausgeprägtes Profil oder abgewandter Kopf |
| Auflösung | Das Gesicht füllt einen großen Teil des Bildes | Das Gesicht ist ein kleiner Ausschnitt aus einer Totale |
| Beleuchtung | Gleichmäßiges Licht auf dem ganzen Gesicht | Harter Schatten, Gegenlicht, starker Farbstich |
| Verdeckung | Nichts verdeckt das Gesicht | Sonnenbrillen, Masken, Hände, dichtes Haar |
| Bearbeitung | Die unbearbeitete Originaldatei | Beauty-Filter, starke Retusche, AR-Effekte |
| Personen | Ein einzelnes Gesicht im Bild | Gruppenfotos, bei denen das falsche Gesicht gelesen werden kann |
Wie wird die Genauigkeit der Gesichtserkennung unabhängig gemessen?
Das National Institute of Standards and Technology führt den Face Recognition Vendor Test durch, der eingereichte Algorithmen an kontrollierten Datensätzen prüft und die Fehlerraten veröffentlicht. FRVT ist der Bezugspunkt dafür, wie gut Gesichtserkennung allgemein ist, und er trennt die Eins-zu-eins-Verifikation, die bestätigt, dass zwei Fotos dieselbe Person zeigen, von der Eins-zu-viele-Identifikation, die eine Gesichtssuche tatsächlich ausführt. FaceSearch hat keine eigene Messung an diesen Datensätzen veröffentlicht, und die publizierten FRVT-Werte stammen aus kuratierten Bildern: Sie beschreiben also eine Obergrenze und nicht das, was eine Suche im Webmaßstab praktisch erreicht.
Wann sollte man sich auf einen Treffer nicht verlassen?
Ein Gesichtstreffer ist ein zu prüfender Beleg und reicht für sich genommen für keine Entscheidung aus, die eine Person betrifft. Der Fehler, der Schaden anrichtet, ist das Falsch-Positiv: eine fremde Person, die der gesuchten ähnelt, mit hohem Wert angezeigt und behandelt, als wäre die Identifikation geklärt.
- Handeln Sie nicht auf Grundlage eines einzelnen Treffers. Bestätigen Sie ihn unabhängig, etwa über einen seitenübergreifend gleichen Nutzernamen, eine gemeinsame Verbindung oder ein zweites Foto.
- Nutzen Sie einen Treffer nicht, um über Beschäftigung, Wohnraum oder Kredit einer Person zu entscheiden. Diese Verwendungen sind in mehreren Rechtsordnungen reguliert.
- Lesen Sie ein leeres Ergebnis nicht als Beweis, dass eine Person keine Online-Präsenz hat.
- Nehmen Sie nicht an, ein niedriger Wert bedeute eine andere Person. Oft bedeutet er nur ein schlechtes Foto.
Quellen
- Face Recognition Vendor Test (FRVT) 1:1 Verification, National Institute of Standards and Technology
- Face Recognition Vendor Test programme, National Institute of Standards and Technology