얼굴 인식이 가면을 쓴 얼굴을 읽는 방법을 배우는 방법

많은 산업이 팬데믹에 적응해야 했습니다. 얼굴 인식 산업. 전문가들은 이 기술이 안면 마스크를 착용한 사람을 인식하는 데 점차 향상되고 있다고 말합니다.

NIST(National Institute of Standards and Technology)에서 발표한 새로운 보고서에 따르면 65가지 새로운 얼굴의 결과가 나와 있습니다. 코로나19 팬데믹 이후 생성된 인식 알고리즘과 제출된 87개의 알고리즘 전염병 전. 보고서에 따르면 소프트웨어 개발자는 마스크를 쓴 얼굴을 인식하는 알고리즘을 개발하는 데 점점 더 능숙해지고 있으며 심지어 일반 얼굴 인식 알고리즘만큼 정확해집니다.

"일부 팬데믹 이전 알고리즘이 마스크 사진에서 가장 정확한 범위 내에 있지만 일부 개발자는 "대유행 이후 알고리즘이 상당히 개선된 정확도를 보여주었으며 이제 우리 테스트에서 가장 정확합니다"라고 보고서는 말했습니다. 읽다.

연구에서 발견한 것

이 연구는 NIST가 안면 마스크가 있는 상태에서 안면 인식 알고리즘과 정확도를 테스트하기 위해 동일한 데이터 세트로 수행한 두 번째 연구였습니다. 보고서 작성자는 620만 장의 사진을 사용하고 이 이미지에 다양한 디지털 마스크 조합의 시뮬레이션을 적용했습니다.

메이 응안, 보고서의 공동 저자이자 NIST의 컴퓨터 과학자, 말했다 라이프와이어 전화 인터뷰에서 안면 마스크의 존재는 본질적으로 안면 인식 기술을 약 2~3년 전으로 되돌려 놓았습니다.

"오류율은 2.5%에서 5% 사이이며 이는 2017년의 최첨단 기술과 비교할 수 있습니다."라고 그녀는 말했습니다.

7월에 발표된 NIST의 이전 보고서에서는 얼굴 인식의 성능을 살펴보았습니다. 2020년 3월 이전에 제출된 알고리즘 감염병 세계적 유행. 이 첫 번째 연구에서는 이러한 전염병 이전 알고리즘의 오류율이 5%에서 50% 사이임을 발견했습니다.

이러한 알고리즘이 가면을 쓴 얼굴을 읽는 데 점점 더 좋아지고 있다고 해도 최근 연구에서는 다음과 같은 몇 가지 요인이 오류율에 영향을 미친다는 사실을 발견했습니다. 마스크 색상(빨간색 또는 검은색과 같은 어두운 마스크는 오류율이 높음) 및 마스크 모양(마스크 모양이 둥근 경우 오류율이 낮음)으로.

Ngan은 알고리즘이 마스크 자체를 읽는 것이 아니라 얼굴 특징을 인식하기 위해 눈 주위와 이마와 같은 얼굴의 보이는 부분을 사용한다고 말했습니다.

안면 인식 및 안면 마스크의 미래

Ngan은 개발자들이 안면 마스크와 관련하여 안면 인식 알고리즘을 크게 개선한 것이 분명하다고 말했습니다.

그녀는 "안면 마스크 착용의 제약 하에서 얼굴 인식 시스템이 작동할 필요가 분명히 있다"고 말했다. "우리가 해온 일과 최근 연구의 결과를 고려할 때 안면 인식 업계가 알고리즘에 안면 마스크를 포함하기 위해 적극적으로 노력하고 있음을 알 수 있습니다."

기술이 발전하고 있기 때문에 휴대전화를 잠금 해제하는 것과 같은 작업을 안면 마스크를 착용하지만 이 분야에서 발전하는 안면 인식과 관련하여 다른 의미가 있습니다. 방법.

수많은 연구에 따르면 얼굴 인식은 잘못된 사람을 오인하고 인종적 편견이 있는 것으로 널리 보고됩니다. NIST의 2019년 연구에 따르면 얼굴 인식 기술은 백인보다 최대 100배 더 자주 흑인과 아시아인을 오인하는 것으로 나타났습니다.

기술이 안면 마스크를 읽는 데 더 나아지고 있다고 해도 오류 비율은 아무리 작더라도 여전히 안면 마스크를 착용한 사람을 오인하는 문제가 될 수 있습니다.

가장 최근의 NIST 보고서에 따르면 알고리즘이 안면 마스크 작업을 처리하는 데 점점 더 좋아지고 있지만 Ngan은 팬데믹(세계적 대유행) 동안 안면 인식의 미래가 어디로 가고 있는지는 시간이 말해줄 것이라고 말했다. 타임스.

Ngan은 "추가 오류 감소를 기대할 수 있거나 개발자가 마스크되지 않은 영역의 고유 정보 양에 대한 제한을 찾을 수 있습니다"라고 말했습니다.