Key Takeaways
- Algoritmi za prepoznavanje lica postaju sve bolji u čitanju lica s maskama.
- Nova studija pokazuje ograničenja u tome kako algoritam može očitati masku za lice, kao što su boja i oblik maske.
- Stručnjaci kažu da industrija prepoznavanja lica aktivno radi na uključivanju maski za lice u svoje algoritme.
Mnoge industrije su morale da se prilagode pandemiji, uključujući industriju prepoznavanja lica. Stručnjaci kažu da tehnologija polako postaje bolja u prepoznavanju ljudi koji nose maske za lice.
Novi izvještaj koji je objavio Nacionalni institut za standarde i tehnologiju (NIST) prikazuje rezultate 65 novih algoritama za prepoznavanje lica kreiranih nakon početka pandemije COVID-19, kao i 87 algoritama koji su dostavljeni prije pandemije. Izvještaj je otkrio da programeri softvera postaju sve bolji u razvoju algoritama koji prepoznaju maskirana lica, čak postaju tačni kao obični algoritmi za prepoznavanje lica.
"Dok je nekoliko algoritama prije pandemije još uvijek u najpreciznijim okvirima na maskiranim fotografijama, neki programeri su poslali algoritme nakon pandemije koji pokazuju značajno poboljšanu preciznost i sada su među najpreciznijima na našem testu", stoji u izvještaju.
Šta je studija otkrila
Studija je bila druga te vrste koju je sproveo NIST sa istim skupom podataka koji je trebao testirati algoritame za prepoznavanje lica i njihovu tačnost u prisustvu maski za lice. Autori izveštaja su koristili 6,2 miliona fotografija i primenili simulacije različitih kombinacija digitalnih maski na ove slike.
Mei Ngan, koautor izveštaja i kompjuterski naučnik na NIST-u, rekao je za Lifewire u telefonskom intervjuu da je prisustvo maski za lice u suštini vratilo tehnologiju prepoznavanja lica unazad oko dve do tri godine.
"Stope grešaka su između 2,5% i 5% - uporedivo s onim gdje je najmodernija tehnologija bila 2017. godine", rekla je ona.
Prethodni izvještaj NIST-a objavljen u julu bavio se performansama algoritama za prepoznavanje lica dostavljenih prije marta 2020., prije nego što je Svjetska zdravstvena organizacija proglasila globalnu pandemiju. Ova prva studija pokazala je da je stopa greške ovih algoritama prije pandemije između 5% i 50%.
Čak i ako ovi algoritmi postaju sve bolji u čitanju maskiranih lica, novija studija je otkrila da neki faktori utiču na stopu greške, kao što je boja maske (tamnije maske poput crvene ili crne imaju veće stope greške) i kako maska je oblikovan (okrugli oblici maske imaju niže stope grešaka).
Ngan je rekao da algoritmi koriste vidljivi dio nečijeg lica, kao što je područje oko očiju i čelo, da prepoznaju crte lica umjesto da čitaju kroz samu masku.
Budućnost prepoznavanja lica i maski za lice
Ngan je rekao da je očigledno da su programeri napravili značajna poboljšanja sa svojim algoritmima za prepoznavanje lica kada su u pitanju maske za lice.
"Jasno postoji potreba da sistemi za prepoznavanje lica rade pod ograničenjima nošenja maski za lice", rekla je ona. "S obzirom na stvari koje smo radili i rezultate naše nedavne studije, vidimo da industrija prepoznavanja lica aktivno radi na uključivanju maski za lice u svoje algoritme."
Pošto se tehnologija poboljšava, to znači da će biti lakše raditi stvari poput otključavanja telefona dok nosite masku za lice, ali postoje i druge implikacije kada je u pitanju napredovanje prepoznavanja lica na ovaj način.
Brojne studije pokazuju da je prepoznavanje lica naširoko prijavljeno da pogrešno identifikuje pogrešnu osobu i ima rasne predrasude. Istraživanje NIST-a iz 2019. pokazalo je da tehnologija prepoznavanja lica pogrešno identificira crne i azijske ljude do 100 puta češće od bijelaca.
Čak i ako tehnologija postaje sve bolja u očitavanju maski za lice, postotak greške - bez obzira koliko mali - i dalje može biti razlog za zabrinutost zbog pogrešne identifikacije osobe koja nosi masku za lice.
Dok najnoviji izvještaj NIST-a pokazuje da algoritmi postaju sve bolji u rješavanju zadatka maske za lice, Ngan je rekao da će samo vrijeme pokazati da li je to prava budućnost prepoznavanja lica tokom vremena pandemije.
"Možda možemo očekivati dalje smanjenje grešaka, ili bi programeri mogli pronaći ograničenja u količini jedinstvenih informacija u nemaskiranoj regiji", rekao je Ngan.
