Skor kemiripan adalah cosine similarity antara dua vektor wajah — dua daftar berisi 512 angka — dan nilainya bergerak dari 0 sampai 1. Pada indeks kami, 0.40 adalah titik di atasnya sepasang wajah diperlakukan sebagai kemungkinan besar orang yang sama. Ini bukan persentase, bukan tingkat keyakinan, dan bukan peluang. Ini sebuah sudut.

Angka ini penting karena satu hal yang tidak diberitahukan kebanyakan alat pencari wajah: pencarian vektor padat tidak pernah mengembalikan nol hasil. Minta sepuluh hasil dan ia memberi sepuluh, terlepas dari apakah orang yang Anda cari benar-benar ada di indeksnya. Skor adalah satu-satunya hal yang memisahkan sebuah jawaban dari orang asing terdekat yang kebetulan tersedia.

Sebenarnya apa yang diukur skor itu?

Cosine similarity mengukur sudut antara dua vektor, tanpa memedulikan panjangnya. Dua wajah yang disandikan menjadi vektor berdimensi 512 disebut "mirip" ketika vektornya menunjuk ke arah yang nyaris sama.

Encoder-nya — dalam kasus kami, ArcFace — dilatih supaya gambar dari identitas yang sama menghasilkan vektor yang menunjuk ke arah yang sama, dan gambar dari identitas yang berbeda menghasilkan vektor yang menunjuk saling menjauh. Pose, pencahayaan, latar, dan gaya rambut sebagian besar sudah dibuang saat deteksi dan penyelarasan, sebelum encoder-nya melihat wajah itu sama sekali.

Itu sebabnya skornya tidak berperilaku seperti kesan visual. Dua foto yang bagi Anda terlihat mirip bisa berskor rendah; dua foto yang sama sekali tidak terlihat mirip — pencahayaan berbeda, dekade berbeda, rambut berbeda — bisa berskor tinggi.

Bagaimana sebaiknya tiap pita skor dibaca?

Perlakukan skornya sebagai pita, bukan vonis. Inilah pita kerja yang kami pakai pada data kami sendiri.

Skor Pembacaan Apa yang harus dilakukan
0.70 ke atas Sangat mungkin identitas yang sama Perlakukan sebagai kecocokan; tetap periksa halaman sumbernya
0.55 – 0.70 Kemungkinan besar identitas yang sama Cocok, tapi verifikasi dengan gambar kedua
0.40 – 0.55 Di atas ambang, tapi lemah Masuk akal; sudut yang buruk maupun orang yang mirip sama-sama menghasilkan ini
0.25 – 0.40 Di bawah ambang Kemiripan, bukan identitas
Di bawah 0.25 Vektor terdekat yang tersedia Tidak berkata apa pun selain bahwa indeksnya harus mengembalikan sesuatu

Baris-baris di bawah 0.40 itulah yang salah dibaca orang. Hasil pada 0.31 bukan berarti "peluang 31%". Itu sistemnya sedang memberi tahu Anda bahwa ia tidak punya orang yang Anda cari dan sedang menunjukkan apa yang ia punya.

Sumber: indeks kami, snapshot 2026-08. Pita-pita ini adalah heuristik kerja untuk membaca hasil kami sendiri, bukan tolok ukur yang dipublikasikan.

Kenapa perlu ada ambang sama sekali?

Karena ambang mengubah jarak yang kontinu menjadi keputusan ya/tidak, dan setiap pengubahan semacam itu mempertukarkan satu jenis kesalahan dengan jenis lainnya.

Turunkan ambangnya dan Anda memulihkan lebih banyak kecocokan asli yang diambil dari sudut sulit atau dalam kompresi buruk — sambil memasukkan lebih banyak wajah yang tidak berkaitan. Naikkan dan kecocokan yang Anda simpan jadi lebih bersih, sementara kecocokan asli dari bidikan samping atau siaran berbitrate rendah jatuh keluar dari daftar sepenuhnya.

Tidak ada setelan yang menghilangkan kedua kesalahan itu sekaligus. 0.40 berada di tempatnya karena kueri khas kami adalah frame video: terkompresi, kabur karena gerakan, jarang menghadap depan, sering kali kecil. Ambang yang disetel pada potret studio yang bersih akan lebih tinggi dan akan menolak sebagian besar kueri nyata.

Kenapa orang yang sama berskor berbeda di foto yang berbeda?

Karena encoder-nya membuang pose dan pencahayaan secara tidak sempurna, dan setiap penurunan mutu antara kamera dan screenshot Anda menggeser vektornya.

Kondisi Efek pada skor
Menghadap depan, tajam, pencahayaan baik Skor tertinggi; kasus terbaik bagi encoder
Kepala menoleh melewati kira-kira tiga perempat Penurunan besar; sebagian wajahnya memang tidak ada
Kompresi video berat, bitrate rendah Turun; artefak blok merusak detail halus wajah
Wajah kecil dalam frame Turun, dan deteksi bisa gagal sebelum penyandian terjadi
Terhalang — tangan, rambut, benda melintang di wajah Titik acuannya bergeser, penyelarasannya melenceng, vektornya salah
Jarak bertahun-tahun antara kedua gambar Turun sedang; sinyal identitasnya bertahan tapi melemah
Prosedur kosmetik, perubahan berat badan signifikan Kecocokan asli bisa jatuh di bawah ambang
Riasan, gaya rambut, warna rambut Efeknya kecil; penyelarasan memangkas sebagian besarnya

Baris terakhir mengejutkan orang, dan baris di atasnya mengecewakan mereka. Rambut hampir tidak berbiaya; wajah yang berubah tidak begitu.

Kenapa Anda sebaiknya tidak memercayai alat yang menyembunyikan skornya?

Karena menyembunyikan skor berarti menyembunyikan perbedaan antara kecocokan dan tebakan, dan perbedaan itulah keseluruhan hasilnya.

Daftar berperingkat tanpa skor terlihat sama saja entah hasil teratasnya berada di 0.85 atau di 0.19. Keduanya tampil sebagai "ini kecocokan terdekat Anda". Hanya satu di antaranya yang berarti sesuatu. Alat yang menampilkan sepuluh wajah tanpa satu pun angka telah mengambil kolom paling informatif dan membuangnya — dan ia melakukannya justru pada satu situasi ketika sistemnya dijamin menghasilkan keluaran terlepas dari kebenarannya.

Versi jujur dari hasil pencarian wajah memuat tiga hal: skornya, ambang yang dipakai untuk menilainya, dan tautan ke gambar sumbernya supaya Anda bisa memeriksa dengan mata sendiri. Kalau salah satu dari ketiganya hilang, Anda tidak bisa mengaudit jawabannya.

Data dan metode

Sumber. Vektor wajah dihitung dari gambar sampul dan foto still yang diindeks starlikeness di 106 situs.

Sampel. 241,792 vektor wajah dalam indeks; 2,333 catatan identitas yang punya nama (indeks kami, snapshot 2026-08).

Metode. Deteksi dengan YuNet, menghasilkan kotak pembatas dan lima titik acuan. Penyelarasan ke pose kanonik dari titik-titik acuan itu. Penyandian dengan ArcFace menjadi vektor berdimensi 512. Penarikan hasil lewat cosine similarity terhadap seluruh indeks. Ambang 0.40 dikalibrasi untuk kueri berupa frame video terhadap indeks ini.

Tanggal snapshot. 2026-08.

Bias yang diketahui. Cakupannya sangat terpusat. 2,246 dari 2,333 identitas bernama mengambil gambar representatifnya dari satu situs saja, dan hanya sebagian kecil dari 106 situs terindeks yang benar-benar membawa ID konten Jepang. Karena itu yang kami ukur adalah keterpaparan di situs agregator, bukan volume rilis. Aktris yang karyanya hanya muncul di situs yang belum kami indeks tidak akan ditemukan, dan tidak ada skor yang akan memberi tahu Anda hal itu — pencariannya akan tetap mengembalikan sepuluh orang asing terdekatnya.

Batas ambangnya. 0.40 berlaku untuk encoder ini dan indeks ini. Ambang itu tidak bisa dipindahkan ke alat lain, model lain, atau jenis gambar kueri lain. Klaim mana pun bahwa sebuah skor "berarti" peluang identitas yang tetap adalah klaim yang berlebihan: angka yang sama membawa bobot berbeda tergantung mutu kuerinya.

Sitasi.

starlikeness (2026). "What Does a Similarity Score of 0.40 Mean?"
Face index, 2026-08 snapshot (n=241,792 faces; 2,333 named identities).
https://starlikeness.com/id/articles/what-similarity-score-means

Pertanyaan terkait

Anda bisa menyaksikan sendiri ambang itu bekerja: unggah sebuah frame lalu baca skornya berdampingan dengan wajah-wajahnya. Deteksi berjalan di peramban Anda, hanya area wajah yang sudah dipangkas yang dikirim untuk pencocokan, dan gambar aslinya tidak pernah meninggalkan perangkat Anda.