Kluczowe dania na wynos
- Algorytmy rozpoznawania twarzy są coraz lepsze w odczytywaniu twarzy z założonymi maskami.
- Nowe badanie pokazuje ograniczenia w sposobie, w jaki algorytm może odczytać maskę na twarzy, takie jak kolor i kształt maski.
- Eksperci twierdzą, że branża rozpoznawania twarzy aktywnie pracuje nad włączeniem masek do swoich algorytmów.
Wiele branż musiało dostosować się do pandemii, w tym branża rozpoznawania twarzy. Eksperci twierdzą, że technologia powoli staje się coraz lepsza w rozpoznawaniu osób noszących maski na twarz.
Nowy raport opublikowany przez Narodowy Instytut Standardów i Technologii (NIST) przedstawia wyniki 65 nowych algorytmów rozpoznawania twarzy stworzonych po rozpoczęciu pandemii COVID-19, a także 87 algorytmów zgłoszonych przed pandemią. Raport ujawnił, że twórcy oprogramowania są coraz lepsi w opracowywaniu algorytmów, które rozpoznają zamaskowane twarze, a nawet stają się tak dokładne, jak zwykłe algorytmy rozpoznawania twarzy.
„Chociaż kilka algorytmów sprzed pandemii wciąż pozostaje najdokładniejszych na zamaskowanych zdjęciach, niektórzy programiści przesłali algorytmy po pandemii, wykazując znacznie lepszą dokładność i są teraz jednymi z najdokładniejszych w naszym teście”, czytamy w raporcie.
Co znalazło badanie
Badania tego typu były drugimi tego rodzaju przeprowadzonymi przez NIST z tym samym zestawem danych, które miały na celu przetestowanie algorytmów rozpoznawania twarzy i ich dokładności w obecności masek na twarz. Autorzy raportu wykorzystali 6,2 miliona zdjęć i zastosowali do tych obrazów symulacje różnych kombinacji masek cyfrowych.
Mei Ngan, współautorka raportu i informatyk z NIST, powiedziała Lifewire w wywiadzie telefonicznym, że obecność masek na twarz zasadniczo cofnęła technologię rozpoznawania twarzy o około dwa do trzech lat.
„Odsetki błędów wahają się od 2,5% do 5% – w porównaniu z najnowocześniejszą technologią w 2017 roku” – powiedziała.
Poprzedni raport NIST opublikowany w lipcu dotyczył wydajności algorytmów rozpoznawania twarzy przesłanych przed marcem 2020 r., zanim Światowa Organizacja Zdrowia ogłosiła globalną pandemię. To pierwsze badanie wykazało, że wskaźnik błędów tych algorytmów sprzed pandemii wynosi od 5% do 50%.
Nawet jeśli te algorytmy są coraz lepsze w odczytywaniu zamaskowanych twarzy, najnowsze badania wykazały, że niektóre czynniki wpływają na poziom błędów, takie jak kolor maski (ciemniejsze maski, takie jak czerwona lub czarna, mają wyższy poziom błędów) i sposób, w jaki maska ma kształt (okrągłe kształty maski mają niższy współczynnik błędów).
Ngan powiedział, że algorytmy wykorzystują widoczną część czyjejś twarzy, taką jak okolice oczu i czoło, do rozpoznawania rysów twarzy, zamiast czytać przez samą maskę.
Przyszłość rozpoznawania twarzy i masek na twarz
Ngan powiedział, że deweloperzy wyraźnie poprawili algorytmy rozpoznawania twarzy, jeśli chodzi o maski na twarz.
„Istnieje wyraźna potrzeba, aby systemy rozpoznawania twarzy działały przy ograniczeniach związanych z noszeniem masek na twarz” – powiedziała. „Biorąc pod uwagę to, co robiliśmy i wyniki naszego ostatniego badania, widzimy, że branża rozpoznawania twarzy aktywnie pracuje nad włączeniem masek do swoich algorytmów”.
Ponieważ technologia się rozwija, oznacza to, że łatwiej będzie wykonywać takie rzeczy, jak odblokowywanie telefonów podczas noszenia maski na twarz, ale są też inne implikacje, jeśli chodzi o postęp w rozpoznawaniu twarzy w ten sposób.
Liczne badania pokazują, że rozpoznawanie twarzy często błędnie identyfikuje niewłaściwą osobę i ma uprzedzenia rasowe. Badanie przeprowadzone przez NIST z 2019 r. wykazało, że technologia rozpoznawania twarzy błędnie identyfikuje osoby czarnoskóre i Azjatów do 100 razy częściej niż osoby białe.
Nawet jeśli technologia jest coraz lepsza w odczytywaniu masek na twarz, odsetek błędów – bez względu na to, jak mały – może nadal stanowić problem z błędną identyfikacją osoby noszącej maskę na twarz.
Podczas gdy najnowszy raport NIST pokazuje, że algorytmy coraz lepiej radzą sobie z zadaniem maski na twarz, Ngan powiedział, że tylko czas pokaże, czy to naprawdę jest kierunek, w którym zmierza przyszłość rozpoznawania twarzy w czasach pandemii.
„Być może możemy spodziewać się dalszej redukcji błędów, a może programiści mogą znaleźć ograniczenia w ilości unikalnych informacji w zdemaskowanym regionie” – powiedział Ngan.
