Por Que Isso Acontece
Os modelos de IA do AutoProctor são treinados com milhares de rostos, mas podem falhar em cenários que diferem dos seus dados de treinamento. As três causas mais comuns de detecção facial incorreta são:Como Interpretar Essas Violações
O AutoProctor fornece fotos de evidência junto com cada violação para que você possa verificar independentemente a determinação da IA. Ao revisar violações de detecção facial:1
Verifique a foto de evidência
Olhe a foto associada à violação. Ela realmente mostra ausência de rosto, múltiplos rostos, ou a IA claramente errou?
2
Observe o padrão
Uma única detecção incorreta entre muitas corretas é provavelmente um falso positivo. Múltiplas detecções consecutivas podem justificar uma revisão mais detalhada.
3
Considere o contexto
Iluminação ruim, ângulos incomuns ou fundos carregados explicam a maioria das detecções falsas. Leve em consideração o ambiente de teste antes de tirar conclusões.
Recursos Relacionados
- Entendendo o Trust Score — Como os Trust Scores são calculados
- O Que É Monitorado — Todos os eventos que o AutoProctor supervisiona
- Resultados de Supervisão — Como revisar relatórios de supervisão
- Evidência de Violações Ausente — Por que algumas violações não possuem fotos de evidência
- Falso ‘Mudou para Outro Aplicativo’ — Outro cenário comum de falso positivo
- Fale Conosco — Entre em contato se precisar de ajuda adicional