REVIEW ve RESEARCH Verileri Arasındaki Farklar
REVIEW ve RESEARCH modüllerinde algılanan nesnelerin sayısı arasında bazı farklılıklar olabilir. Temel olarak, bu modüllerin her biri için kullanım durumu farklı olduğundan. Araştırmalar için kullanılan REVIEW, araştırmacının hiçbir şeyi kaçırmamasını sağlamak için birden fazla sınıflandırma değerinde bir nesne içerebilir, oysa RESEARCH kişi veya araba sayısının doğru ve tutarlı bir şekilde sunulmasına yöneliktir, bu nedenle her nesneyi sadece bir kez sayar.
Filtre Uygulama Farklılıkları
REVIEW olasılık verilerine dayanır, yani bir nesne birden fazla öznitelik değeri altında görünebilir. Örneğin, kırmızı ve mavi desenli bir gömlek giyen bir nesne tespit edilirse, nesne hem kırmızı hem de maviye filtrelendiğinde REVIEW çözümde görünecektir.
RESEARCH, tüm nesne özniteliği olasılık değerlerinin maksimum değerini temel alır. Yukarıda açıklanan örnekte, tespit edilen gömleğin ana rengi kırmızıysa, nesne sadece RESEARCH çözeltideki kırmızı renkle ilişkilendirilecektir.
Başka bir örnekte, eğer bir nesne %40 olasılıkla Erkek olarak ve %60 olasılıkla Kadın olarak sınıflandırılmışsa, nesneler REVIEW çözümdeki Erkek ve KadınKadın sınıflarına (tolerans eşiğini geçtiği sürece) filtrelendiğinde nesne dahil edilecektir. RESEARCH çözümde, aynı nesne yalnızca nesneler Woman sınıfına filtrelendiğinde dahil edilecektir.
Bu nedenle, filtre sonuçları REVIEW ve RESEARCH çözümler arasında farklılık gösterebilir.
Birden Fazla Görünüm İçin Muhasebedeki Farklılıklar
REVIEW modülünde, bir kişinin her görünümü, araştırmacıya araştırma için ilgili tüm bilgileri sağlamak için farklı bir küçük resim olarak gösterilir. Bu veriler RESEARCH modüle aktarıldığında, bir kişinin görünümlerini tek bir kimliğe bağlamak için Re- ID (Yüz Tanımaya Dayalı Olarak Kameralardaki Kişileri İzlemebkz. ) adı verilen başka bir mekanizma uygulanır. Bu, insan sayımının doğru ve tutarlı olmasını sağlamak için tasarlanmıştır.