امبدینگ صورت (Face Embedding) یک مفهوم کلیدی در حوزه بینایی ماشین و یادگیری ماشین است که برای نمایش چهره‌ها به صورت بردارهای عددی (معمولاً با ابعاد ثابت، مثل 128 یا 512) به کار می‌رود. این بردارها طوری آموزش داده شده‌اند که چهره‌های مشابه (مثلاً تصاویر مختلف از یک فرد) به بردارهای نزدیک به هم و چهره‌های متفاوت به بردارهای دور از هم در فضای برداری نگاشته شوند.

کاربردهای اصلی امبدینگ صورت:

1. تشخیص چهره (Face Recognition)
   با مقایسه امبدینگ‌ها می‌توان تشخیص داد که آیا دو تصویر متعلق به یک شخص هستند یا خیر.
2. شناسایی چهره (Face Identification)
   امبدینگ تصویر ورودی با امبدینگ‌های موجود در یک پایگاه داده مقایسه می‌شود تا نزدیک‌ترین چهره شناسایی شود.
3. خوشه‌بندی (Clustering)
   می‌توان چهره‌های مشابه را در گروه‌هایی بدون برچسب دسته‌بندی کرد.
4. جستجو بر اساس چهره (Face Search)
   با داشتن یک امبدینگ از چهره، می‌توان سریع‌ترین و نزدیک‌ترین چهره‌ها را در یک مجموعه یافت.

امبدینگ صورت (Face Embedding) یک مفهوم کلیدی در حوزه بینایی ماشین و یادگیری ماشین است که برای نمایش چهره‌ها به صورت بردارهای عددی (معمولاً با ابعاد ثابت، مثل 128 یا 512) به کار می‌رود. این بردارها طوری آموزش داده شده‌اند که چهره‌های مشابه (مثلاً تصاویر مختلف از یک فرد) به بردارهای نزدیک به هم و چهره‌های متفاوت به بردارهای دور از هم در فضای برداری نگاشته شوند.

کاربردهای اصلی امبدینگ صورت:

مدل‌های معروف برای استخراج امبدینگ صورت:

نحوه کار:

مدل‌های امبدینگ معمولاً از شبکه‌های عصبی کانولوشنی (CNN) استفاده می‌کنند. تصویر چهره به مدل داده می‌شود و خروجی آن یک بردار ویژگی (Feature Vector) است. سپس با استفاده از فاصله‌سنجی‌هایی مانند cosine similarity یا Euclidean distance بین این بردارها مقایسه انجام می‌شود.