Las c\u00e1maras del timbre no capturan suficientes detalles<\/h2>\n
cameron verano<\/p>\n La tecnolog\u00eda de reconocimiento facial utilizada por los timbres inteligentes es bastante avanzada, ya que emplea algunas de las IA m\u00e1s avanzadas jam\u00e1s creadas. Pero incluso con una excelente IA, los timbres de video no tienen el hardware para admitir realmente el reconocimiento facial, simplemente no pueden capturar suficientes detalles.<\/p>\n Como la mayor\u00eda de los sistemas de reconocimiento facial<\/a>, los timbres inteligentes capturan y analizan im\u00e1genes en 2D. Estas im\u00e1genes planas contienen mucha informaci\u00f3n \u00fatil, como el ancho de la boca, el tono de la piel y el espacio entre los ojos. Pero estos datos pueden no ser exclusivos de tu rostro. De hecho, es posible que estos datos no sean tan precisos, ya que los timbres de video capturan im\u00e1genes de sujetos en movimiento con una resoluci\u00f3n bastante baja.<\/p>\n Los sistemas de reconocimiento facial m\u00e1s avanzados, como el que est\u00e1 en su iPhone, capturan im\u00e1genes \u00ab3D" usando c\u00e1maras TOF de infrarrojos<\/a>. Aqu\u00ed est\u00e1 la esencia; disparan l\u00e1seres invisibles a tu cara y miden el tiempo que tarda cada l\u00e1ser en recuperarse. Los datos capturados por estas c\u00e1maras TOF contribuyen a un "mapa de profundidad", que contiene medidas como la longitud de la nariz o el \u00e1ngulo de las orejas.<\/p>\n Esos datos 3D son mucho m\u00e1s \u00fatiles que lo que captura su timbre de video, por razones que deber\u00edan ser obvias. Pero el hardware no es el \u00fanico problema aqu\u00ed. En el gran esquema de las cosas, la IA avanzada utilizada por su timbre de video es en realidad bastante rudimentaria.<\/p>\n Los sistemas de reconocimiento facial que se ofrecen en los timbres inteligentes son de \u00abautoaprendizaje\u00bb. Es posible que le pidan que identifique a una nueva persona, pero en su mayor parte, construyen y organizan una base de datos facial sin intervenci\u00f3n del usuario. Y eso puede presentar algunos problemas<\/a>.<\/p>\n Mira, los sistemas de reconocimiento facial de autoaprendizaje siempre est\u00e1n tratando de mejorar su precisi\u00f3n. Eso significa recopilar una tonelada de datos; es dif\u00edcil que su timbre identifique a alguien si solo ha visto a esa persona una vez. Entonces, cada vez que su timbre ve "mam\u00e1", se suma a su colecci\u00f3n de "as\u00ed es como se ve mam\u00e1".<\/p>\n Pero cuando un plomero llama a su puerta y se identifica incorrectamente como "mam\u00e1", el sistema de reconocimiento facial se vuelve menos preciso. Su timbre no sabe que cometi\u00f3 un error y, de repente, los invitados con bigote podr\u00edan ser "mam\u00e1". Esto conduce a una espiral descendente: la p\u00e9rdida de precisi\u00f3n crea m\u00e1s falsos positivos, y "mam\u00e1" ahora viene en todos los tama\u00f1os, formas y colores de piel. A los ojos de tu timbre, todos son "mam\u00e1".<\/p>\n Es como cuando un estudiante aprende incorrectamente una ecuaci\u00f3n matem\u00e1tica. Pueden tener confianza en lo que aprendieron, pero hasta que arruinen un examen, no se dar\u00e1n cuenta de que la cagaron. Los estudiantes necesitan que alguien verifique que est\u00e1n aprendiendo cosas correctamente, y lo mismo ocurre con la IA.<\/p>\n Desafortunadamente, t\u00fa eres el maestro en esta situaci\u00f3n.<\/p>\n Mejorar el sistema de reconocimiento facial de su timbre es una tarea ardua. Aqu\u00ed no hay una soluci\u00f3n permanente: debe mantenerse al d\u00eda activamente con el sistema de reconocimiento facial para corregir sus errores.<\/p>\n Lo primero es lo primero, debe asegurarse de que su timbre inteligente pueda ver claramente las caras de los invitados. Eso puede significar cambiar la posici\u00f3n del timbre, limpiar regularmente su lente o agregar algunas luces<\/a> afuera de la puerta principal.<\/p>\n Una vez que sepa que su timbre puede ver lo que se supone que debe ver, debe limpiar su base de datos de reconocimiento facial. Este proceso ser\u00e1 diferente para cada timbre, pero en la mayor\u00eda de los casos, puede encontrar una lista de caras en la aplicaci\u00f3n complementaria de su timbre inteligente. (Si tienes un Nest Doorbell<\/a>, ve a la configuraci\u00f3n de Nest Aware en tu aplicaci\u00f3n Google Home. No s\u00e9 por qu\u00e9 Google oculta esto).<\/p>\n Elimine cualquier cara mal identificada que haya capturado su timbre y aseg\u00farese de decirle a su timbre los nombres de las personas no identificadas que espera que regresen a su hogar. Si selecciona regularmente esta base de datos, su timbre deber\u00eda mejorar mucho en la identificaci\u00f3n de invitados.<\/p>\n Aqu\u00ed est\u00e1n las malas noticias; incluso si intenta mejorar la precisi\u00f3n del sistema de reconocimiento facial de su timbre, nunca ser\u00e1 perfecto. De hecho, siempre puede apestar. La tecnolog\u00eda de reconocimiento facial todav\u00eda es bastante rudimentaria, y los timbres inteligentes usan hardware muy b\u00e1sico para "ver" a las personas.<\/p>\n Si odia la idea de seleccionar una base de datos de reconocimiento facial, tal vez deber\u00eda deshabilitar la funci\u00f3n. Reemplazar el timbre no vale la pena, ya que los sistemas de reconocimiento facial de todas las marcas sufren los mismos problemas.<\/p>\n![\"He](\"https:\/\/howtogeek.inform.click\/wp-content\/uploads\/2022\/03\/post-157829-623cff4fc671f.png\")
<\/a><\/p>\nLos algoritmos de reconocimiento facial necesitan capacitaci\u00f3n<\/h2>\n
![\"He](\"https:\/\/howtogeek.inform.click\/wp-content\/uploads\/2022\/03\/post-157829-623cff56cc444.png\")
<\/a><\/p>\nC\u00f3mo mejorar el reconocimiento facial de su timbre<\/h2>\n
![\"He](\"https:\/\/howtogeek.inform.click\/wp-content\/uploads\/2022\/03\/post-157829-623cff6139c71.png\")
<\/a><\/p>\n