Ключевые выводы
- Алгоритмы распознавания лиц все лучше распознают лица в масках.
- Новое исследование демонстрирует ограничения того, как алгоритм может считывать маску лица, например, цвет и форму маски.
- Эксперты говорят, что индустрия распознавания лиц активно работает над включением лицевых масок в свои алгоритмы.
Многим отраслям пришлось приспосабливаться к пандемии, включая индустрию распознавания лиц. Эксперты говорят, что технология постепенно совершенствуется в распознавании людей в масках.
Новый отчет, опубликованный Национальным институтом стандартов и технологий (NIST), показывает результаты 65 новых алгоритмов распознавания лиц, созданных после начала пандемии COVID-19, а также 87 алгоритмов, представленных до пандемии. Отчет показал, что разработчики программного обеспечения все лучше разрабатывают алгоритмы, которые распознают лица в масках, и даже становятся такими же точными, как и обычные алгоритмы распознавания лиц.
«Несмотря на то, что некоторые алгоритмы до пандемии по-прежнему остаются наиболее точными на фотографиях в масках, некоторые разработчики представили алгоритмы после пандемии, демонстрирующие значительно улучшенную точность, и теперь они являются одними из самых точных в нашем тесте», - говорится в отчете..
Что обнаружило исследование
Исследование было вторым в своем роде, проведенным NIST с тем же набором данных, предназначенным для проверки алгоритмов распознавания лиц и их точности в присутствии лицевых масок. Авторы отчета использовали 6,2 миллиона фотографий и применили к этим изображениям симуляции различных комбинаций цифровых масок.
Мей Нган, соавтор отчета и ученый-компьютерщик из NIST, рассказал Lifewire в телефонном интервью, что наличие лицевых масок, по сути, отбросило технологию распознавания лиц примерно на два-три года назад.
«Коэффициент ошибок составляет от 2,5% до 5% - это сопоставимо с тем, где передовые технологии были в 2017 году», - сказала она.
В предыдущем отчете NIST, опубликованном в июле, рассматривалась производительность алгоритмов распознавания лиц, представленных до марта 2020 года, до того, как Всемирная организация здравоохранения объявила о глобальной пандемии. Это первое исследование показало, что частота ошибок этих предпандемических алгоритмов составляет от 5% до 50%.
Даже если эти алгоритмы становятся лучше при чтении лиц в масках, недавнее исследование показало, что некоторые факторы влияют на частоту ошибок, например цвет маски (более темные маски, такие как красная или черная, имеют более высокий уровень ошибок) и то, как маска имеет форму (более круглые формы маски имеют меньшую частоту ошибок).
Нган сказал, что алгоритмы используют видимую часть чьего-либо лица, такую как область вокруг глаз и лоб, для распознавания черт лица, а не для чтения самой маски.
Будущее распознавания лиц и масок для лица
Нган сказал, что очевидно, что разработчики значительно улучшили свои алгоритмы распознавания лиц, когда дело доходит до лицевых масок.
«Очевидно, что системы распознавания лиц должны работать в условиях ограничений, связанных с ношением масок», - сказала она. «Учитывая то, что мы делаем, и результаты нашего недавнего исследования, мы видим, что индустрия распознавания лиц активно работает над включением лицевых масок в свои алгоритмы».
Поскольку технология совершенствуется, это означает, что будет проще делать такие вещи, как разблокировка наших телефонов в маске для лица, но есть и другие последствия, когда речь идет о развитии распознавания лиц таким образом.
Многочисленные исследования показывают, что широко известно, что распознавание лиц ошибочно идентифицирует не того человека и имеет расовые предубеждения. Исследование NIST, проведенное в 2019 году, показало, что технология распознавания лиц ошибочно идентифицирует чернокожих и азиатов до 100 раз чаще, чем белых людей.
Даже если технология считывания лицевых масок совершенствуется, процент ошибок, независимо от того, насколько они малы, все еще может быть причиной неправильной идентификации человека, носящего лицевую маску.
Несмотря на то, что последний отчет NIST показывает, что алгоритмы все лучше справляются с задачей распознавания лиц с маской, Нган сказал, что только время покажет, действительно ли это то, в чем будущее распознавания лиц во время пандемии.
«Возможно, мы можем ожидать дальнейшего сокращения количества ошибок, или, возможно, разработчики могут найти ограничения на количество уникальной информации в незамаскированной области», - сказал Нган.
