指定臉部偵測模式

文章
06/13/2024

本指南說明如何指定 Azure AI 臉部服務的臉部偵測模型。

臉部服務使用機器學習模型，對影像中的人臉執行作業。我們會根據客戶的意見反應和研究的進展，持續改善這些模型的精確度，並透過更新模型來提供這些改善措施。開發人員可以指定他們想要使用的臉部偵測模型版本;他們可以選擇最適合其使用案例的模型。

請繼續閱讀，以了解如何在特定臉部作業中指定臉部偵測模型。臉部服務在將臉部的影像轉換成其他形式的資料時，都會用到臉部偵測。

如果您不確定是否應使用最新的模型，請跳到評估不同模型章節，以評估新的模型，並使用您目前的資料集來比較結果。

必要條件

您應熟悉 AI 臉部偵測的概念。如果不熟悉，請參閱臉部偵測概念性指南或操作指南：

評估不同模型

不同的臉部偵測模型適用於不同工作。請參閱下表以簡要了解其差異。

模型	描述	效能注意事項	屬性	地標
detection_01	所有臉部偵測作業的預設選項。	不適合很小、側面或模糊的臉部。	如果偵測呼叫中指定了主要臉部屬性（頭部姿勢、眼鏡等），則會傳回它們。	如果在偵測呼叫中指定了臉部關鍵點，會將其傳回。
detection_02	於 2019 年 5 月發行，且在所有臉部偵測作業中均可選擇使用。	提升了很小、側面和模糊臉部的精確度。	不會傳回臉部屬性。	不會傳回臉部地標。
detection_03	於 2021 年 2 月發行，且在所有臉部偵測作業中均可選擇使用。	進一步提升精確度，包括較小的臉部 (64x64 像素) 和旋轉的臉部方向。	如果在偵測呼叫中指定遮罩、模糊和頭部姿勢屬性，則會傳回它們。	如果在偵測呼叫中指定了臉部關鍵點，會將其傳回。

比較偵測模型效能的最佳方式，就是在範例資料集加以使用。我們建議使用每個偵測模型，在各種影像上呼叫偵測 API，特別是許多臉部或臉部難以查看的影像。請注意每個模型傳回的臉部數目。

使用指定的模型偵測臉部

臉部偵測會尋找人臉的周框方塊位置，並識別其視覺關鍵點。該功能會擷取臉部的特徵，並加以儲存，以供之後在辨識作業中使用。

當您使用偵測 API 時，可以使用參數來指派模型版本 detectionModel 。可用的值為：

detection_01
detection_02
detection_03

偵測 REST API 的要求 URL 如下所示：

https://westus.api.cognitive.microsoft.com/face/v1.0/detect[?returnFaceId][&returnFaceLandmarks][&returnFaceAttributes][&recognitionModel][&returnRecognitionModel][&detectionModel]&subscription-key=<Subscription key>

如果您使用的是用戶端程式庫，您可以傳遞適當的字串來指派 detectionModel 的值。如果您將其保留為未指派，API 會使用預設模型版本（detection_01）。請參閱 .NET 用戶端程式庫的下列程式碼範例。

string imageUrl = "https://raw.githubusercontent.com/Azure-Samples/cognitive-services-sample-data-files/master/Face/images/detection1.jpg";
var faces = await faceClient.Face.DetectWithUrlAsync(url: imageUrl, returnFaceId: false, returnFaceLandmarks: false, recognitionModel: "recognition_04", detectionModel: "detection_03");

使用指定的模型將臉部新增到 Person

臉部服務可以從影像擷取臉部數據，並透過新增人員群組人員臉部 API 與 Person 對象產生關聯。在此 API 呼叫中，您可以使用與偵測相同的方式來指定偵測模型。

請參閱 .NET 用戶端程式庫的下列程式碼範例。

// Create a PersonGroup and add a person with face detected by "detection_03" model
string personGroupId = "mypersongroupid";
await faceClient.PersonGroup.CreateAsync(personGroupId, "My Person Group Name", recognitionModel: "recognition_04");

string personId = (await faceClient.PersonGroupPerson.CreateAsync(personGroupId, "My Person Name")).PersonId;

string imageUrl = "https://raw.githubusercontent.com/Azure-Samples/cognitive-services-sample-data-files/master/Face/images/detection1.jpg";
await client.PersonGroupPerson.AddFaceFromUrlAsync(personGroupId, personId, imageUrl, detectionModel: "detection_03");

此程式碼會建立識別碼為 mypersongroupid 的 PersonGroup，並在其中新增 Person。接著會使用 detection_03 模型將臉部新增到這個 Person。如果您未指定 detectionModel 參數，API 會使用預設模型 detection_01。

注意

您不需要針對 Person 物件中的所有臉部使用相同的偵測模型，而且在偵測新臉部與 Person 物件時不需要使用相同的偵測模型（例如，在識別人員群組 API 中）。

使用指定的模型將臉部新增到 FaceList

當您將臉部新增到現有的 FaceList 物件時，也可以指定偵測模型。請參閱 .NET 用戶端程式庫的下列程式碼範例。

await faceClient.FaceList.CreateAsync(faceListId, "My face collection", recognitionModel: "recognition_04");

string imageUrl = "https://raw.githubusercontent.com/Azure-Samples/cognitive-services-sample-data-files/master/Face/images/detection1.jpg";
await client.FaceList.AddFaceFromUrlAsync(faceListId, imageUrl, detectionModel: "detection_03");

這段程式碼會建立名為 My face collection 的 FaceList，並使用 detection_03 模型將臉部新增到其中。如果您未指定 detectionModel 參數，API 會使用預設模型 detection_01。

注意

您不需要對 FaceList 物件中的所有臉部使用相同偵測模型，而且在偵測新臉部以與 FaceList 物件比較時，也不需要使用相同的偵測模型。

下一步

在本文中，您已了解如何指定要搭配不同 Face API 使用的辨識模型。接下來，可以透過快速入門開始進行臉部偵測和分析。

分享方式：