MODEL AI KAMI
Metodologi Benchmark
Setiap angka akurasi yang dipublikasikan di situs ini, lengkap dengan dataset, metrik, titik operasi, dan tanggal di baliknya. Jika sebuah angka tidak ada di halaman ini, kami tidak mempublikasikannya.
Cara membaca setiap baris. Angka akurasi yang dikutip tanpa tingkat false match tidak dapat diperiksa, dan tidak dapat dibandingkan dengan angka pihak lain. Setiap angka di bawah ini menyebutkan korpus tempat angka itu diukur, berapa banyak perbandingan yang mendasarinya, dan ambang batas yang digunakan saat pengukuran, sehingga Anda dapat mereproduksinya atau menagih kami atas angka tersebut.
MODEL AI
Verifikasi Wajah 1:1 (Model Server)
| Klaim | 99,45% ± 0,18% akurasi verifikasi (LFW, 10-fold, end-to-end) 94,41% true accept pada false-match rate 1 banding 10.000 (VGGFace2) |
| Dataset | LFW: 13.222 gambar, 5.743 identitas VGGFace2: 196.324 gambar, 540 identitas |
| Tugas | Verifikasi 1:1 |
| Metrik | Akurasi 10-fold, protokol resmi LFW (ambang batas disesuaikan ulang per fold) True accept rate pada false-match rate tetap |
| Titik operasi | Access Control: cosine ≤ 0,6995, FMR 1 banding 10.000 Standard: cosine ≤ 0,8275, FMR 1 banding 100 |
| Jumlah perbandingan | 87.161.944 pasangan impostor (LFW) · 19.232.832.135 (VGGFace2) Setiap gambar dibandingkan dengan semua gambar lain, tanpa sampel 6.000 pasangan |
| Equal error rate | 0,46% (LFW) · 2,88% (VGGFace2) |
| Detektor dalam alur | Ya. Angka bersifat end-to-end, dari foto utuh hingga keputusan |
| Perangkat keras | Intel Core Ultra 7 155H, 16 GB DDR5 RAM |
| Versi model | AR-FaceEmb-v20-S |
| Tanggal pengujian | 29 Agu 26 |
MODEL AI
Verifikasi Wajah 1:1 (Model Edge)
| Klaim | 99,18% ± 0,19% akurasi verifikasi (LFW, 10-fold, end-to-end) 85,40% true accept pada false-match rate 1 banding 10.000 (VGGFace2) |
| Dirancang untuk | Penerapan di kamera dan edge. Model 13 MB, tanpa GPU |
| Dataset | LFW: 13.222 gambar, 5.743 identitas VGGFace2: 196.324 gambar, 540 identitas |
| Tugas | Verifikasi 1:1 |
| Metrik | Akurasi 10-fold, protokol resmi LFW True accept rate pada false-match rate tetap |
| Titik operasi | Access Control: cosine ≤ 0,6875, FMR 1 banding 10.000 Standard: cosine ≤ 0,8185, FMR 1 banding 100 |
| Equal error rate | 0,49% (LFW) · 3,51% (VGGFace2) |
| Selisih terhadap Server | 85,40% berbanding 94,41% true accept pada false-match rate yang sama Keamanan sama, penolakan keliru lebih banyak: sekitar 1 dari 7 upaya sah berbanding 1 dari 18 |
| Perangkat keras | Intel Core Ultra 7 155H, 16 GB DDR5 RAM |
| Versi model | AR-FaceEmb-v20-E |
| Tanggal pengujian | 29 Agu 26 |
MODEL AI
Identifikasi Wajah 1:N
| Klaim | 99,38% rank-1 terhadap galeri berisi 1.260 orang terdaftar 95,68% rank-1 terhadap galeri berisi 405 orang, pada citra yang jauh lebih sulit |
| Klaim open-set | 93,71% teridentifikasi dengan benar sambil keliru menandai 1% orang asing Kasus kontrol akses yang realistis: orang tersebut mungkin sama sekali belum terdaftar |
| Ukuran galeri | 1.260 identitas terdaftar (LFW) · 405 (VGGFace2) Angka 1:N tanpa ukuran galeri tidak bermakna, karena itu ukuran galeri kami dicantumkan |
| Dataset | LFW: 6.126 probe, 5.836 tidak terdaftar VGGFace2: 147.537 probe, 48.382 tidak terdaftar |
| Tugas | Identifikasi 1:N, closed set dan open set |
| Metrik | Rank-1 closed-set (CMC) True positive identification rate open-set pada false positive identification rate tetap |
| Titik operasi | Access Control 1:N: cosine ≤ 0,6390, 1% orang asing ditandai, galeri berisi 1.000 1:N memakai ambang batas yang lebih ketat daripada 1:1, karena setiap kueri dibandingkan dengan setiap orang terdaftar |
| Juga dalam top 5 / top 10 | 99,46% / 99,48% (LFW) · 96,52% / 96,89% (VGGFace2) |
| Perangkat keras | Intel Core Ultra 7 155H, 16 GB DDR5 RAM |
| Versi model | AR-FaceEmb-v20-S |
| Tanggal pengujian | 29 Agu 26 |
Titik lemah umum pengenalan wajah
Kasus Sulit
Orang mendaftar sekali, lalu dikenali dari sudut yang berbeda, bertahun-tahun kemudian. Inilah empat benchmark yang mengukur hal itu, dan keempatnya layak dibaca.
| KONDISI | MODEL SERVER | MODEL EDGE |
|---|---|---|
| Lintas pose (CPLFW) | 94,58% | 92,47% |
| Selisih usia 30 tahun (AgeDB-30) | 98,43% | 96,60% |
| Frontal terhadap profil (CFP-FP) | 97,74% | 95,60% |
| Lintas usia (CALFW) | 96,15% | 95,52% |
| Frontal terhadap frontal (CFP-FF) | 99,90% | 99,67% |
MODEL AI
Deteksi Orang Dan Kendaraan
| Klaim | 93,4 mAP@0.5 |
| Dataset | VisDrone |
| Kelas | orang, kendaraan |
| Metrik | mean Average Precision pada IoU 0,5 |
| Perangkat keras | Intel Core Ultra 7 155H, 16GB DDR5 RAM |
| Versi model | AR-GenModel-v16 |
| Tanggal pengujian | 25 Sep 25 |
Uji Pada Rekaman Anda Sendiri
Feasibility assessment menjalankan model kami pada kamera dan kondisi Anda, lalu melaporkan akurasi yang benar-benar akan Anda peroleh. Biaya pengujian dipotong dari nilai proyek jika Anda melanjutkan.