Kaip veido atpažinimas mokosi skaityti užmaskuotus veidus

Daugelis pramonės šakų turėjo prisitaikyti prie pandemijos, įskaitant veido atpažinimas industrija. Ekspertai teigia, kad ši technologija pamažu vis geriau atpažįsta žmones, dėvinčius veido kaukes.

Nacionalinio standartų ir technologijų instituto (NIST) paskelbtoje naujoje ataskaitoje pateikiami 65 naujų veido priežiūros priemonių rezultatai atpažinimo algoritmai, sukurti prasidėjus COVID-19 pandemijai, taip pat pateikti 87 algoritmai prieš pandemiją. Ataskaita atskleidė, kad programinės įrangos kūrėjai vis geriau kuria algoritmus, atpažįstančius užmaskuotus veidus, netgi tokius pat tikslius kaip įprasti veido atpažinimo algoritmai.

„Nors keli priešpandeminiai algoritmai užmaskuotose nuotraukose vis dar yra patys tiksliausi, kai kurie kūrėjai pateikė algoritmai po pandemijos parodė žymiai didesnį tikslumą ir dabar yra vieni tiksliausių mūsų bandyme“, – rašoma pranešime. skaito.

Ką nustatė tyrimas

Šis tyrimas buvo antrasis tokio pobūdžio tyrimas, kurį atliko NIST su tuo pačiu duomenų rinkiniu, skirtu veido atpažinimo algoritmams ir jų tikslumui patikrinti naudojant veido kaukes. Ataskaitos autoriai panaudojo 6,2 milijono nuotraukų ir šiems vaizdams pritaikė įvairių skaitmeninių kaukių derinių modeliavimą.

Mei Ngan, a ataskaitos bendraautoris ir NIST kompiuterių mokslininkas, pasakojo Lifewire interviu telefonu, kad veido kaukių buvimas veido atpažinimo technologiją iš esmės atėmė maždaug dvejus ar trejus metus.

„Klaidų lygis svyruoja nuo 2,5 % iki 5 % – panašus į tai, kur 2017 m. buvo naujausios technologijos“, – sakė ji.

Ankstesnėje NIST ataskaitoje, paskelbtoje liepos mėnesį, buvo nagrinėjamas veido atpažinimo efektyvumas algoritmai, pateikti iki 2020 m. kovo mėn., prieš Pasaulio sveikatos organizacijai paskelbus pasaulinę pandemija. Šis pirmasis tyrimas parodė, kad šių priešpandeminių algoritmų klaidų lygis yra nuo 5% iki 50%.

Net jei šie algoritmai vis geriau nuskaito užmaskuotus veidus, naujesniame tyrime nustatyta, kad klaidų dažniui turi įtakos kai kurie veiksniai, pvz. kaip kaukės spalvą (tamsesnėse kaukėse, pvz., raudonos ar juodos spalvos, klaidų lygis didesnis) ir kaip kaukė formuojama (apvalesnės kaukės formos turi mažesnį klaidų lygį).

Nganas teigė, kad algoritmai naudoja matomą kažkieno veido dalį, pvz., sritį aplink akis ir kaktą, kad atpažintų veido bruožus, o ne perskaitytų pačią kaukę.

Veido atpažinimo ir veido kaukių ateitis

Nganas teigė, kad akivaizdu, kad kūrėjai gerokai patobulino veido atpažinimo algoritmus, kai kalbama apie veido kaukes.

„Akivaizdu, kad veido atpažinimo sistemoms reikia, kad jos veiktų pagal apribojimus dėvėti veido kaukes“, - sakė ji. „Atsižvelgdami į tai, ką darome, ir į naujausio tyrimo rezultatus, matome, kad veido atpažinimo pramonė aktyviai dirba, kad į savo algoritmus būtų įtrauktos veido kaukės.

Kadangi technologija tobulėja, tai reiškia, kad tuo metu bus lengviau atlikti tokius veiksmus, kaip atrakinti telefonus dėvėti veido kaukę, tačiau yra ir kitų pasekmių, kai kalbama apie veido atpažinimo tobulėjimą būdu.

Daugybė tyrimų rodo, kad dažnai pranešama, kad veido atpažinimas klaidingai atpažįsta netinkamą asmenį ir turi rasinių nusistatymų. 2019 m. NIST atliktas tyrimas parodė, kad veido atpažinimo technologija juodaodžius ir azijiečius klaidingai identifikuoja iki 100 kartų dažniau nei baltaodžius.

Net jei technologija tobulėja nuskaitant veido kaukes, klaidų procentas – kad ir koks mažas – vis tiek gali kelti susirūpinimą dėl klaidingo asmens, dėvinčio veido kaukę, atpažinimo.

Nors naujausia NIST ataskaita rodo, kad algoritmai vis geriau tvarko veido kaukės užduotį, Ngan tik laikas parodys, ar tikrai veido atpažinimo ateitis vyksta pandemijos metu laikai.

„Galbūt galime tikėtis tolesnio klaidų mažinimo, o gal kūrėjai gali apriboti unikalios informacijos kiekį demaskuotame regione“, – sakė N. Nganas.