Inteligență Artificială & LLM

Algoritmii de recunoaștere facială se îmbunătățesc la cea mai mare provocare a acestei ere: oamenii care poartă măști

Algoritmii de recunoaștere facială se îmbunătățesc la cea mai mare provocare a acestei ere: oamenii care poartă măști

Măștile au reprezentat o problemă pentru sistemele de recunoaștere facială. Până la urmă, acești algoritmi folosesc poziția ochilor, a nasului și a gurii pentru a identifica utilizatorii, lucru care la jumătatea anului 2020, în plină pandemie, se complică din cauza obligația de a purta măști care a fost impusă în multe țări. Că algoritmii eșuează mai mult atunci când încearcă să recunoască o persoană care poartă o mască nu este un secret, dar nu este un secret că se îmbunătățesc.

Un nou studiu de la Institutul Național de Standarde și Tehnologie al Statelor Unite (NIST), confirmă acest lucru. NIST a studiat modul în care algoritmii de recunoaștere facială funcționează din mai. Studiile din iulie și august au arătat că unii algoritmi au eșuat foarte mult, până la 50% din timp, dar rezultatele celui mai recent raport, publicat săptămâna aceasta, arată că performanța algoritmilor de recunoaștere facială care detectează persoanele cu măști s-a îmbunătățit atât de mult încât este „comparabilă cu stadiul tehnicii [algoritmilor de recunoaștere facială] la mijlocul persoanelor fără măști”.

17.

65 de algoritmi și 6.200.000 de milioane de imagini

Fotografii Exemple de imagini (originale și editate) utilizate în studiu.

Studiul NIST nu este orice studiu. Pentru ediția din decembrie au testat 65 de algoritmi cu 6,2 milioane de imagini. Rezultatele studiului relevă o evoluție importantă. Este adevărat că algoritmii eșuează în continuare atunci când persoana poartă mască, dar cu atât mai puțin.

Dacă vaccinurile ARNm au succes, ne vom confrunta cu una dintre marile repere din istoria științei
Dacă vaccinurile ARNm au succes, ne vom confrunta cu una dintre marile repere din istoria științei

Conform NIST, cei mai precisi algoritmi au o rată de eroare de 0,3% atunci când detectează persoane fără măști. Cu cei mai precisi algoritmi și o mască care acoperă 70% din față, rata de eroare este de aproximativ 5%. Algoritmii mai puțin precisi eșuează în continuare, dar rata de eroare variază de la 10% la 40%. În cuvintele NIST:

„Pentru unii dezvoltatori, ratele false de respingere în algoritmii lor introduși de la mijlocul lunii martie 2020 au scăzut cu până la un factor de zece față de algoritmii lor pre-pandemiei, ceea ce demonstrează că unii furnizori își adaptează algoritmii pentru a gestiona măștile faciale.”

Îmbunătățire Exemple de îmbunătățire a performanței în anumiți algoritmi și în contexte diferite.

Alte concluzii interesante au de-a face cu culoarea și dimensiunea măștii. În studiu au aplicat măști roșii, albastru deschis, roșu și negru. Măștile negre și roșii provoacă mai multe eșecuri decât cele albe și albastre, nu este clar de ce. În plus, măștile mai mari duc și la mai multe erori de detectare.

Setul de imagini constă din fotografii „colectate în aplicațiile guvernamentale americane operaționale în prezent”, și anume „fotografii ale unei cereri ale unei populații globale de solicitanți pentru beneficii de imigrare și fotografii de trecere a frontierei ale călătorilor care intră în Statele Unite”. Aceștia afirmă că „ambele seturi de date au fost colectate pentru procese autorizate de călătorie sau de imigrare.”

Mască

Aceste fotografii au fost editate digital pentru a adăuga o mască pe față dacă este necesar și, în acest fel, pentru a varia forma, culoarea și acoperirea nasului. Trebuie remarcat faptul că studiul se bazează pe potriviri unu-unu, adică au comparat dacă algoritmul a putut să lege fotografia cu masca adăugată digital de aceeași fotografie fără mască.

Sunt condiții „ideale”, între ghilimele, dar în lumea reală este mai complicat, deoarece există măști de diferite forme, culori și dimensiuni și, în plus, ar trebui adăugate și alte probleme precum lumina sau calitatea imaginii. Adică, deși rezultatele raportului arată că algoritmii s-au îmbunătățit în recunoașterea persoanelor cu măști, încă nu sunt perfecți și nici nu se poate spune că au reușit să depășească măștile.

Studiul este conștient de propriile limitări. De exemplu, ei subliniază că nu antrenează sau optimizează algoritmii, că nu fac evaluări one-to-many, că nu au luat în considerare efectul pe care l-ar avea elemente precum ochelarii și că nu au resursele pentru a colecta fotografii cu oameni care poartă măști, așa că nu țin cont de diferitele lor texturi. Pur și simplu, algoritmii se îmbunătățesc, dar ei trebuie încă testați în mai multe medii din lumea reală pentru a le cunoaște performanța reală.

Via | CNET
Mai multe informații | NIST (PDF)

Partajează acest dosar: