Ključni izsledki
- Algoritmi za prepoznavanje obrazov postajajo vse boljši pri branju obrazov z maskami.
- Nova študija prikazuje omejitve glede tega, kako lahko algoritem bere obrazno masko, kot sta barva in oblika maske.
- Strokovnjaki pravijo, da si industrija prepoznavanja obrazov aktivno prizadeva za vključitev obraznih mask v svoje algoritme.
Številne industrije so se morale prilagoditi pandemiji, vključno z industrijo prepoznavanja obrazov. Strokovnjaki pravijo, da tehnologija počasi postaja vse boljša pri prepoznavanju ljudi, ki nosijo obrazne maske.
Novo poročilo, ki ga je objavil Nacionalni inštitut za standarde in tehnologijo (NIST), prikazuje rezultate 65 novih algoritmov za prepoznavanje obraza, ustvarjenih po začetku pandemije COVID-19, ter 87 algoritmov, predloženih pred pandemijo. Poročilo je razkrilo, da razvijalci programske opreme postajajo vse boljši pri razvoju algoritmov, ki prepoznavajo zamaskirane obraze in so celo tako natančni kot običajni algoritmi za prepoznavanje obrazov.
»Medtem ko je nekaj algoritmov pred pandemijo še vedno najbolj natančnih na zamaskiranih fotografijah, so nekateri razvijalci predložili algoritme po pandemiji, ki kažejo bistveno izboljšano natančnost in so zdaj med najnatančnejšimi v našem testu, « piše v poročilu.
Kaj je ugotovila študija
Študija je bila druga te vrste, ki jo je izvedel NIST z istim naborom podatkov, namenjenim testiranju algoritmov za prepoznavanje obraza in njihove natančnosti v prisotnosti obraznih mask. Avtorji poročila so uporabili 6,2 milijona fotografij in na te slike uporabili simulacije različnih kombinacij digitalnih mask.
Mei Ngan, soavtorica poročila in računalničarka pri NIST, je v telefonskem intervjuju za Lifewire povedala, da je prisotnost obraznih mask v bistvu vrnila tehnologijo prepoznavanja obraza približno dve do tri leta nazaj.
»Stopnje napak so nekje med 2,5 % in 5 % – kar je primerljivo z najsodobnejšo tehnologijo leta 2017, « je dejala.
Prejšnje poročilo NIST, objavljeno julija, je obravnavalo delovanje algoritmov za prepoznavanje obrazov, predloženih pred marcem 2020, preden je Svetovna zdravstvena organizacija razglasila globalno pandemijo. Ta prva študija je pokazala, da je stopnja napak teh algoritmov pred pandemijo med 5 % in 50 %.
Čeprav ti algoritmi postajajo boljši pri branju zamaskiranih obrazov, je novejša študija pokazala, da nekateri dejavniki vplivajo na stopnjo napak, kot je barva maske (temnejše maske, kot sta rdeča ali črna, imajo višje stopnje napak) in kako maska je oblikovan (okrogle oblike maske imajo nižje stopnje napak).
Ngan je dejal, da algoritmi za prepoznavanje obraznih potez uporabljajo vidni del obraza osebe, kot je predel okoli oči in čelo, namesto branja skozi samo masko.
Prihodnost prepoznavanja obrazov in obraznih mask
Ngan je dejal, da je očitno, da so razvijalci znatno izboljšali svoje algoritme za prepoznavanje obraza, ko gre za obrazne maske.
"Očitno je, da morajo sistemi za prepoznavanje obraza delovati pod omejitvami nošenja obraznih mask," je dejala. "Glede na stvari, ki smo jih počeli, in rezultate naše nedavne študije vidimo, da si industrija prepoznavanja obrazov aktivno prizadeva vključiti obrazne maske v svoje algoritme."
Ker se tehnologija izboljšuje, to pomeni, da bo lažje izvajati stvari, kot je odklepanje naših telefonov, medtem ko nosimo obrazno masko, vendar pa obstajajo tudi druge posledice, ko gre za napredek prepoznavanja obraza na ta način.
Številne študije kažejo, da naj bi prepoznavanje obraza napačno prepoznalo napačno osebo in povzročilo rasne pristranskosti. Študija NIST iz leta 2019 je pokazala, da tehnologija za prepoznavanje obrazov do 100-krat pogosteje napačno prepozna temnopolte in azijske ljudi kot bele ljudi.
Tudi če tehnologija postaja vse boljša pri branju obraznih mask, lahko odstotek napake – ne glede na to, kako majhen je – še vedno predstavlja skrb za napačno identifikacijo osebe, ki nosi obrazno masko.
Medtem ko najnovejše poročilo NIST kaže, da so algoritmi čedalje boljši pri obvladovanju naloge obrazne maske, je Ngan dejal, da bo samo čas pokazal, ali gre prihodnost prepoznavanja obrazov v času pandemije res v to smer.
»Morda lahko pričakujemo nadaljnje zmanjšanje napak ali pa bodo morda razvijalci našli omejitve glede količine edinstvenih informacij v nezamaskirani regiji,« je dejal Ngan.
