คะแนนความคล้ายคือค่า cosine similarity ระหว่างเวกเตอร์ใบหน้าสองชุด — ตัวเลขชุดละ 512 ตัว — และมีค่าตั้งแต่ 0 ถึง 1 บนดัชนีของเรา 0.40 คือจุดที่เหนือกว่านั้นเราถือว่าใบหน้าคู่นั้นน่าจะเป็นคนเดียวกัน มันไม่ใช่เปอร์เซ็นต์ ไม่ใช่ความมั่นใจ และไม่ใช่ความน่าจะเป็น มันคือมุม

ตัวเลขนี้สำคัญเพราะเรื่องที่เครื่องมือค้นหาใบหน้าส่วนใหญ่ไม่บอกคุณ คือ การค้นด้วยเวกเตอร์แบบหนาแน่นไม่เคยคืนค่าว่างเปล่า ขอผลลัพธ์สิบรายการมันก็คืนมาสิบ ไม่ว่าคนที่คุณกำลังตามหาจะมีอยู่ในดัชนีหรือไม่ก็ตาม คะแนนคือสิ่งเดียวที่แยกคำตอบออกจากคนแปลกหน้าที่ใกล้ที่สุดเท่าที่มีอยู่

คะแนนนี้วัดอะไรกันแน่?

cosine similarity วัดมุมระหว่างเวกเตอร์สองตัวโดยไม่สนความยาวของมัน ใบหน้าสองใบที่ถูกเข้ารหัสเป็นเวกเตอร์ 512 มิติจะ "คล้ายกัน" เมื่อเวกเตอร์ของทั้งสองชี้ไปในทิศทางที่เกือบจะเดียวกัน

ตัวเข้ารหัส — ในกรณีของเราคือ ArcFace — ถูกฝึกมาให้ภาพของคนคนเดียวกันสร้างเวกเตอร์ที่ชี้ไปทางเดียวกัน และภาพของคนละคนสร้างเวกเตอร์ที่ชี้แยกจากกัน ท่าทาง แสง ฉากหลัง และทรงผมส่วนใหญ่ถูกทิ้งไปตั้งแต่ขั้นตอนตรวจจับและจัดตำแหน่ง ก่อนที่ตัวเข้ารหัสจะได้เห็นใบหน้าเสียอีก

นั่นคือเหตุผลที่คะแนนไม่ได้ทำงานเหมือนความรู้สึกทางสายตา ภาพถ่ายสองใบที่คุณมองว่าเหมือนกันอาจได้คะแนนต่ำ ส่วนภาพถ่ายสองใบที่ดูไม่เหมือนกันเลย — คนละแสง คนละยุค คนละทรงผม — อาจได้คะแนนสูง

ควรอ่านคะแนนแต่ละช่วงอย่างไร?

อ่านคะแนนเป็นช่วง ไม่ใช่เป็นคำตัดสิน ต่อไปนี้คือช่วงที่เราใช้งานจริงกับข้อมูลของเราเอง

คะแนน การตีความ ควรทำอย่างไรกับมัน
0.70 ขึ้นไป น่าจะเป็นคนเดียวกันอย่างมาก ถือว่าตรง แต่ก็ควรไปดูหน้าต้นทางอยู่ดี
0.55 – 0.70 น่าจะเป็นคนเดียวกัน ถือว่าตรง แต่ให้ยืนยันกับภาพที่สอง
0.40 – 0.55 เหนือเส้นแบ่ง แต่อ่อน เป็นไปได้ ทั้งมุมที่แย่และคนหน้าคล้ายให้ผลแบบนี้ได้ทั้งคู่
0.25 – 0.40 ต่ำกว่าเส้นแบ่ง เป็นความคล้าย ไม่ใช่ตัวตนเดียวกัน
ต่ำกว่า 0.25 เวกเตอร์ที่ใกล้ที่สุดเท่าที่มี ไม่ได้บอกอะไรเลย นอกจากว่าดัชนีจำเป็นต้องคืนอะไรสักอย่างกลับมา

แถวที่อยู่ต่ำกว่า 0.40 คือแถวที่คนอ่านผิด ผลลัพธ์ที่ 0.31 ไม่ใช่ "โอกาส 31%" แต่เป็นระบบกำลังบอกคุณว่ามันไม่มีคนที่คุณตามหา และกำลังโชว์สิ่งที่มันมีให้คุณดูแทน

ที่มา: ดัชนีของเรา ข้อมูล ณ 2026-08 ช่วงคะแนนเหล่านี้เป็นหลักการใช้งานจริงสำหรับอ่านผลลัพธ์ของเราเอง ไม่ใช่เกณฑ์มาตรฐานที่ตีพิมพ์ไว้ที่ไหน

ทำไมต้องมีเส้นแบ่งตั้งแต่แรก?

เพราะเส้นแบ่งเปลี่ยนระยะห่างแบบต่อเนื่องให้กลายเป็นการตัดสินใจว่าใช่หรือไม่ใช่ และการเปลี่ยนแบบนั้นทุกครั้งคือการเอาความผิดพลาดแบบหนึ่งไปแลกกับอีกแบบหนึ่ง

ลดเส้นแบ่งลงคุณก็ได้คู่ที่ถูกต้องซึ่งถ่ายมาในมุมยาก ๆ หรือถูกบีบอัดจนแย่กลับคืนมามากขึ้น — พร้อมกับปล่อยใบหน้าที่ไม่เกี่ยวข้องเข้ามามากขึ้นด้วย ยกเส้นแบ่งขึ้นคู่ที่เหลืออยู่ก็สะอาดขึ้น แต่คู่ที่ถูกต้องจริงซึ่งมาจากภาพด้านข้างหรือสตรีมบิตเรตต่ำก็หลุดออกจากรายการไปเลย

ไม่มีการตั้งค่าไหนที่กำจัดความผิดพลาดได้ทั้งสองแบบ 0.40 อยู่ตรงที่มันอยู่เพราะภาพที่ใช้ค้นตามปกติของเราคือ เฟรมวิดีโอ ซึ่งถูกบีบอัด เบลอจากการเคลื่อนไหว ไม่ค่อยหันหน้าตรง และมักมีขนาดเล็ก เส้นแบ่งที่ปรับจากภาพพอร์ตเทรตสตูดิโอสะอาด ๆ จะสูงกว่านี้ และจะปฏิเสธภาพค้นหาจริงเสียเป็นส่วนใหญ่

ทำไมคนคนเดียวกันถึงได้คะแนนต่างกันในภาพต่างกัน?

เพราะตัวเข้ารหัสทิ้งท่าทางและแสงได้ไม่หมดจด และทุกความเสื่อมคุณภาพระหว่างกล้องกับภาพหน้าจอของคุณล้วนขยับเวกเตอร์

เงื่อนไข ผลต่อคะแนน
หน้าตรง คมชัด แสงดี คะแนนสูงสุด เป็นกรณีที่ดีที่สุดของตัวเข้ารหัส
หันหน้าเกินราวสามในสี่ส่วน ตกลงมาก เพราะบางส่วนของใบหน้าหายไปเฉย ๆ
วิดีโอถูกบีบอัดหนัก บิตเรตต่ำ ตก เพราะสิ่งแปลกปลอมแบบบล็อกทำลายรายละเอียดเล็ก ๆ บนใบหน้า
ใบหน้าเล็กในเฟรม ตก และการตรวจจับอาจล้มเหลวก่อนจะได้เข้ารหัสด้วยซ้ำ
มีสิ่งบัง — มือ ผม หรือวัตถุพาดหน้า จุดสังเกตเลื่อน การจัดตำแหน่งบิดเบี้ยว เวกเตอร์ที่ได้ก็ผิด
ภาพสองใบห่างกันหลายปี ตกปานกลาง สัญญาณตัวตนยังอยู่แต่อ่อนลง
ศัลยกรรมความงาม น้ำหนักเปลี่ยนมาก คู่ที่ถูกต้องจริงตกลงต่ำกว่าเส้นแบ่งได้
การแต่งหน้า ทรงผม สีผม แทบไม่มีผล การจัดตำแหน่งครอบตัดส่วนนั้นออกไปเกือบหมด

แถวสุดท้ายทำให้คนแปลกใจ ส่วนแถวเหนือมันทำให้คนผิดหวัง ผมนั้นแทบไม่มีราคา แต่ใบหน้าที่เปลี่ยนไปไม่ใช่แบบนั้น

ทำไมคุณควรไม่ไว้ใจเครื่องมือที่ซ่อนคะแนน?

เพราะการซ่อนคะแนนคือการซ่อนความต่างระหว่างการจับคู่ได้กับการเดา และความต่างนั้นคือทั้งหมดของผลลัพธ์

รายการที่จัดอันดับมาโดยไม่มีคะแนนหน้าตาเหมือนกันหมด ไม่ว่าผลอันดับหนึ่งจะอยู่ที่ 0.85 หรือ 0.19 ทั้งคู่แสดงออกมาเป็น "นี่คือผลที่ใกล้ที่สุดของคุณ" ทั้งที่มีแค่อันเดียวที่มีความหมายจริง เครื่องมือที่โชว์ใบหน้าสิบใบโดยไม่มีตัวเลขเลย ได้หยิบข้อมูลที่ให้ข้อมูลมากที่สุดออกไปทิ้ง — และทิ้งไปในสถานการณ์เดียวที่ระบบรับประกันว่าจะผลิตผลลัพธ์ออกมาไม่ว่าความจริงจะเป็นอย่างไร

ผลการค้นหาใบหน้าฉบับซื่อสัตย์มีสามอย่าง คือคะแนน เส้นแบ่งที่ใช้ตัดสินมัน และลิงก์ไปยังภาพต้นทางเพื่อให้คุณตรวจสอบด้วยตาตัวเองได้ ถ้าขาดอย่างใดอย่างหนึ่งในสามนี้ คุณก็ตรวจสอบคำตอบไม่ได้

ข้อมูลและวิธีการ

แหล่งข้อมูล เวกเตอร์ใบหน้าที่คำนวณจากภาพปกและภาพนิ่งที่ starlikeness ทำดัชนีไว้จาก 106 เว็บ

กลุ่มตัวอย่าง เวกเตอร์ใบหน้า 241,792 ชุดในดัชนี และระเบียนตัวตนที่มีชื่อกำกับ 2,333 รายการ (ดัชนีของเรา ข้อมูล ณ 2026-08)

วิธีการ ตรวจจับด้วย YuNet ซึ่งให้กรอบล้อมและจุดสังเกตห้าจุด จัดตำแหน่งให้เป็นท่ามาตรฐานจากจุดสังเกตเหล่านั้น เข้ารหัสด้วย ArcFace เป็นเวกเตอร์ 512 มิติ แล้วค้นคืนด้วย cosine similarity เทียบกับดัชนีทั้งชุด เส้นแบ่ง 0.40 ถูกปรับเทียบไว้สำหรับการค้นด้วยเฟรมวิดีโอกับดัชนีชุดนี้

วันที่ของข้อมูล 2026-08

อคติที่ทราบอยู่ ความครอบคลุมกระจุกตัวอย่างหนัก 2,246 จาก 2,333 ตัวตนที่มีชื่อใช้ภาพตัวแทนจากเว็บเดียว และมีเพียงส่วนน้อยของ 106 เว็บในดัชนีเท่านั้นที่มีรหัสเนื้อหาแบบญี่ปุ่นอยู่เลย สิ่งที่เราวัดจึงเป็นการปรากฏตัวบนเว็บรวมข้อมูล ไม่ใช่ปริมาณผลงานที่ออกจริง นักแสดงที่ผลงานไปโผล่เฉพาะบนเว็บที่เราไม่ได้ทำดัชนีไว้จะหาไม่เจอ และไม่มีคะแนนไหนบอกคุณเรื่องนั้น — ระบบก็ยังจะคืนคนแปลกหน้าที่ใกล้ที่สุดสิบคนกลับมาอยู่ดี

ข้อจำกัดของเส้นแบ่ง 0.40 ใช้ได้กับตัวเข้ารหัสตัวนี้และดัชนีชุดนี้ มันย้ายไปใช้กับเครื่องมืออื่น โมเดลอื่น หรือภาพค้นหาประเภทอื่นไม่ได้ ข้ออ้างใดที่บอกว่าคะแนนหนึ่ง ๆ "หมายถึง" ความน่าจะเป็นของตัวตนที่ตายตัวล้วนพูดเกินจริง ตัวเลขเดียวกันมีน้ำหนักต่างกันขึ้นอยู่กับคุณภาพของภาพที่ใช้ค้น

การอ้างอิง

starlikeness (2026). "คะแนนความคล้าย 0.40 หมายความว่าอย่างไร?"
ดัชนีใบหน้า ข้อมูล ณ 2026-08 (n=241,792 ใบหน้า; ตัวตนที่มีชื่อ 2,333 ราย).
https://starlikeness.com/th/articles/what-similarity-score-means

คำถามที่เกี่ยวข้อง

คุณลองดูเส้นแบ่งทำงานได้เอง อัปโหลดเฟรมหนึ่งเฟรมแล้วอ่านคะแนนควบคู่ไปกับใบหน้าที่ได้ การตรวจจับทำงานในเบราว์เซอร์ของคุณ ส่งไปจับคู่เฉพาะส่วนใบหน้าที่ครอบตัดแล้วเท่านั้น และภาพต้นฉบับไม่เคยออกจากเครื่องของคุณ