Gryfo SDK de reconhecimento facial

SDK de reconhecimento facial ideal para aplicativo

O mercado de SDK de reconhecimento facial para API tem crescido muito nos últimos anos. Dentro desse contexto, os SDKs de RF são apresentados por diversas Startups e empresas muito reconhecidas, como a Microsoft Azure e AWS.

Mas será que essas são as soluções ideais?

Leia o artigo e descubra quais são os pontos que você precisa analisar ao pensar em contratar um SDK de RF para aplicativo.

Aspecto financeiro

Soluções de reconhecimento facial da Amazon e da Microsoft permitem o processamento em Cloud de modo online a nível de servidor. Nesse contexto, existe a vantagem de o cliente não precisar investir em um servidor no local para realizar este processamento.

Entretanto, como o formato de cobrança ocorre por volume de dados e imagens processadas, não é possível ter uma previsibilidade de custos de maneira assertiva. Assim, estas soluções podem se tornar extremamente caras. Não somente, Outro fator que torna a solução na nuvem mais custosa é a necessidade de uma conexão estável e com largura de banda suficiente para o envio das imagens ou vídeos.

As soluções de RF presentes no mercado utilizam a lógica de processamento de imagens e de custo computacional para compor o valor da solução.

Esse é um formato adotado por empresas de tecnologia como a Microsoft e a Amazon. Entretanto, elas não conseguem desenhar com velocidade e flexibilidade modelos de negócios que sejam mais aderentes à realidade dos negócios na ponta.

Para a grande indústria, pensar em uma aderência 100% para cada modelo de negócio não é uma preocupação. Isso porque o objetivo principal dela é criar tecnologia de ponta. Entretanto, nem todas as empresas de Pesquisa e Desenvolvimento de Tecnologia pensam assim.

A Gryfo, por exemplo, optou por um modelo de negócio em que a Pesquisa e Desenvolvimento de Tecnologia de RF e Inteligência Artificial visa proporcionar soluções que sejam favoráveis para que seus clientes possam crescer dentro dos mercados que operam.

Portanto, é fundamental que o responsável pela arquitetura do aplicativo verifique se a tecnologia da empresa fornecedora do SDK está aderente ao modelo de negócio.

Mobilidade off-line do SDK de reconhecimento facial

Em soluções conectadas à nuvem com processamento a nível de servidor, perde-se também o que chamamos de mobilidade desconectada.

A Azure por exemplo, oferece o recurso de contêiner para levar o processamento mais próximo da borda. Entretanto, não simplifica ainda a possibilidade de um processamento offline a nível de dispositivo.

Dessa forma, prejudica-se a criação de soluções de RF que demandem este tipo de recursos. Isso porque existem projetos que ocorrem em áreas remotas e sem conectividade permanente.


Para escapar desse problema, a Gryfo optou por uma arquitetura que permite que todo o processamento possa ser feito a nível de dispositivo.

Podemos citar como exemplo de funcionalidade nessa arquitetura a utilização do SDK por clientes do agronegócio. Esse nicho geralmente possui equipes em áreas onde não há conectividade. Dessa forma, a Gryfo modelou uma arquitetura que permite que aquele dispositivo possa ser sincronizado com a sede periodicamente.

Performance

O processamento na nuvem e na borda (no dispositivo smartphone, tablet, etc) implica também na performance da solução.

Existem inúmeros casos de empresas que investiram para desenvolver seus aplicativos de RF aplicados a determinadas áreas de negócio, e estes não funcionavam bem.

Os aplicativos operam de forma extremamente lenta na medida que o volume de dados e uma má conectividade passam a interferir na performance.

Neste caso, a solução ideal é a adoção de SDKs de RF que trazem o processamento para a borda, tirando esta carga dos servidores.

Dessa forma, o cliente pode transferir, por meio de um sistema seguro, o processamento das imagens para esses dispositivos. Com isso, elimina-se os custos computacionais da Cloud ou de um servidor no cliente. Ao mesmo tempo, ganha-se em performance.

Taxa de sucesso do SDK de reconhecimento facial

Um último ponto que deve ser verificado na hora de escolher sua SDK para embarcar no seu aplicativo é a taxa de sucesso.

Apesar de todos os SDKs prometerem uma taxa de sucesso alta, é preciso verificar qual a taxa de sucesso no contexto aplicado.

O que isso significa? Bem, para que um sistema de RF funcione adequadamente, é preciso educá-lo com a utilização do Deep learning. Entretanto, não é possível resolver tudo a nível de códigos.

Em um determinado momento é importante uma base de imagens para que a SDK possa aprender. Neste ponto, imagine uma SDK criada na Coreia e que tenha sido educada a fazer reconhecimento facial das pessoas de lá. Ao tentar aplicar a tecnologia em um povo miscigenado como o brasileiro, evidentemente que ela vai falhar mais.

Por isso, uma tecnologia desenvolvida no Brasil leva vantagens contra outras tecnologias desenvolvidas em países que não possuem tamanha miscigenação. E este é outro ponto positivo do RF da Gryfo. Provavelmente este é um dos motivos de na prática receber elogios com sua taxa de sucesso quando comparada a projetos semelhantes implantados no Brasil com tecnologia estrangeira.

Gostou do conteúdo? A Gryfo disponibiliza muito mais para você! Acesse os outros artigos do nosso blog!

Conheça a melhor tecnologia de reconhecimento facial mobile do mercado, a solução da Gryfo! Entre em contato conosco e descubra como melhorar sua solução, ampliar sua base de clientes e aumentar a sua lucratividade.

Deixe um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *