Pencarian yang gagal jarang gara-gara nasib buruk. Kegagalan itu mengelompok ke sekitar delapan kesalahan yang berulang, dan sebagian besar berasal dari menerapkan sebuah metode pada persoalan yang bukan tujuan metode itu dibuat — lalu mengulanginya lebih keras ketika tidak berhasil.

Berikut masing-masing kesalahannya, kenapa terasa masuk akal, dan apa yang sebaiknya dilakukan sebagai gantinya.

Kesalahan mana yang paling banyak menghabiskan waktu?

Diurutkan menurut seberapa banyak tenaga yang terbuang sebelum orangnya menyerah.

Kesalahan Kenapa terasa benar Yang sebenarnya terjadi Lakukan ini
Memakai Google/TinEye pada frame tangkapan sendiri Itu alat yang paling terpikirkan Frame Anda tidak pernah ada sebagai berkas yang diterbitkan, jadi tidak ada salinan untuk ditemukan Pakai pencarian vektor wajah
Membaca urutan peringkat, mengabaikan skor Hasil teratas terlihat meyakinkan Pencarian vektor selalu mengembalikan sesuatu, bahkan ketika jawabannya tidak ada Baca skornya terhadap ambang
Mencoba ulang dengan frame buruk yang sama Rasanya seperti kegigihan Alurnya gagal dengan cara yang persis sama setiap kali Ambil frame kedua
Memangkas rapat ke wajah sebelum mengunggah Sepertinya membantu memfokuskan pencarian Menghilangkan margin yang dibutuhkan penyelarasan, menurunkan resolusi efektif Unggah frame apa adanya
Menganggap "aktrisnya ketemu" sama dengan "judulnya ketemu" Setengah jawaban terlihat seperti jawaban utuh Anda berakhir dengan menyebut rilis yang salah Pastikan lewat filmografi dan detail adegan
Mengabaikan kode yang terlihat di layar Gambarnya terasa seperti bukti utama Anda melakukan forensik gambar padahal pencarian teks akan menyelesaikannya dalam hitungan detik Periksa tiga puluh detik pertama untuk mencari kode
Memercayai filmografi tanpa verifikasi visual Catatan terlihat berwibawa Nama yang bertabrakan dan catatan yang tergabung menghasilkan daftar yang salah Bandingkan wajah yang terlampir pada catatan itu
Memotret layar dengan ponsel Lebih cepat daripada mencari tombol tangkapan layar Moiré, silau, dan blur merusak ketepatan titik penanda Pakai fungsi tangkapan layar perangkatnya

Kenapa "coba alat lain saja" biasanya keliru?

Karena alat dalam keluarga yang sama gagal karena alasan struktural yang sama, dan berpindah di antaranya tidak mengubah apa pun.

Pencocok duplikat-dekat — Google Images, Bing Visual Search, TinEye, Yandex — semuanya mencari salinan seluruh gambar Anda di hasil perayapan web. Frame yang Anda tangkap dari pemutar tidak pernah diterbitkan sebagai berkas, jadi tidak satu pun dari mereka punya salinannya. Menjalankan keempatnya berarti satu percobaan yang diulang empat kali.

Berpindah keluarga memang layak dilakukan. Beralih dari pencocokan duplikat-dekat ke pencocokan vektor wajah mengubah pertanyaan yang diajukan, dan karenanya mengubah pula kondisi kegagalannya. Hanya pergantian alat semacam itu yang punya nilai harapan.

Kenapa hasil teratas terlihat meyakinkan padahal salah?

Karena pengambilan berperingkat tidak mengenal konsep "tidak ditemukan". Minta sepuluh wajah terdekat, Anda akan dapat sepuluh, terlepas dari apakah orang yang benar ada di indeks atau tidak.

Inilah salah baca yang paling sering terjadi, jadi layak dinyatakan datar-datar: posisi dalam daftar sama sekali tidak berarti apa-apa dengan sendirinya. Pada data kami, kemiripan kosinus berjalan dari 0 sampai 1 dengan ambang terkalibrasi 0.40 untuk potongan gambar video.

Skor Artinya Salah baca yang umum
0.31 Di bawah ambang — anggap tidak cocok "Peringkatnya pertama, jadi pasti dia"
0.44 Lemah; butuh satu bukti tambahan "Terkonfirmasi"
0.72 Kuat; kemungkinan besar orang yang sama Biasanya dibaca dengan benar

Kalau sebuah alat menyodorkan daftar berperingkat tanpa skor, alat itu sudah membuang satu-satunya informasi yang membedakan ketiga baris tadi.

Kenapa mengenali aktris tidak sama dengan mengenali judul?

Karena satu wajah muncul di setiap judul yang pernah dibuat aktris itu, dan tidak ada apa pun di dalam vektor wajah yang menyandikan judul mana yang sedang Anda lihat.

Pencarian wajah menjawab siapa. Sampai ke rilis yang mana butuh langkah kedua: mempersempit lewat detail adegan — latar tempat, busana, panjang rambut, tato atau tindik, teks apa pun yang terlihat di layar — terhadap karya-karya aktris yang diketahui, lalu memastikannya dengan kode. Orang melewati langkah ini karena jawaban pertamanya datang dengan kepastian yang begitu spesifik sampai terasa sudah lengkap.

Apa yang harus Anda asumsikan soal cakupan sebelum mulai?

Bahwa tidak ada indeks yang lengkap, termasuk indeks kami, dan bahwa ketiadaan menghasilkan jawaban salah yang tampak masuk akal, bukan pesan galat.

Indeks kami menyimpan 241,792 wajah dari 106 situs, dengan 2,333 di antaranya terkait ke aktris bernama (indeks kami, snapshot 2026-08). Dua angka menyusun harapan itu secara jujur:

  • 2,246 dari 2,333 aktris bernama itu punya gambar representatif dari satu sumber saja. Cakupannya sangat terkonsentrasi, jadi materi dari katalog yang tidak kami indeks tidak terlihat sama sekali.
  • Data aktris serupa kami memuat 7,004 rujukan ke identitas yang tidak bernama. Kecocokan kuat tanpa nama adalah hasil yang normal — itu berarti wajahnya terindeks tetapi langkah identifikasinya tidak pernah terjadi.

Mengasumsikan cakupannya lengkap itu sendiri sebuah kesalahan, karena asumsi itu mengubah "tidak ada di indeks" menjadi "pasti salah satu dari hasil-hasil ini".

Seperti apa percobaan yang disiplin?

Empat langkah, berurutan, lalu berhenti:

  1. Satu frame yang bagus — kedua mata terlihat, tanpa blur gerak, ditangkap saat pemutar dijeda.
  2. Baca skor teratas terhadap ambang 0.40. Di atasnya, lanjutkan; di bawahnya, curigai frame-nya atau cakupannya, bukan orangnya.
  3. Satu frame kedua, atau orang lain di adegan itu.
  4. Pemeriksaan kode, kalau ada kode yang muncul di layar atau di nama berkas.

Kalau keempatnya gagal, kesimpulan yang jujur adalah materi itu tidak terjangkau dari sumber-sumber yang tersedia saat ini. Memeriksa lagi beberapa bulan kemudian lebih produktif daripada percobaan kelima hari ini.

Pertanyaan terkait

Kalau Anda terus mencoba ulang dengan frame yang sama, solusinya adalah frame yang berbeda, bukan alat yang berbeda. Unggah frame baru di sini — deteksi berjalan di peramban Anda, dan setiap hasil menampilkan skor yang Anda butuhkan untuk menilainya.