Ključni podaci za van
- Algoritmi za prepoznavanje lica postaju sve bolji u čitanju lica s maskama.
- Nova studija prikazuje ograničenja načina na koji 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 morale su se prilagoditi pandemiji, uključujući industriju prepoznavanja lica. Stručnjaci kažu da tehnologija polako postaje bolja u prepoznavanju ljudi koji nose maske.
Novo izvješće koje je objavio Nacionalni institut za standarde i tehnologiju (NIST) prikazuje rezultate 65 novih algoritama za prepoznavanje lica stvorenih nakon početka pandemije COVID-19, kao i 87 algoritama predanih prije pandemije. Izvješće je otkrilo da programeri softvera postaju sve bolji u razvijanju algoritama koji prepoznaju maskirana lica, čak postaju jednako točni kao uobičajeni algoritmi za prepoznavanje lica.
"Dok je nekoliko algoritama prije pandemije još uvijek unutar najpreciznijih na maskiranim fotografijama, neki programeri su poslali algoritme nakon pandemije koji pokazuju značajno poboljšanu točnost i sada su među najpreciznijima u našem testu," stoji u izvješću.
Što je studija otkrila
Studija je bila druga takve vrste koju je proveo NIST s istim skupom podataka namijenjenih testiranju algoritama za prepoznavanje lica i njihove točnosti u prisutnosti maski za lice. Autori izvješća upotrijebili su 6,2 milijuna fotografija i na te slike primijenili simulacije različitih kombinacija digitalnih maski.
Mei Ngan, koautor izvješća i informatičar na NIST-u, rekao je za Lifewire u telefonskom intervjuu da je prisutnost maski za lice u biti vratila tehnologiju prepoznavanja lica dvije do tri godine unazad.
"Stope pogrešaka su negdje između 2,5% i 5%-usporedivo s najsuvremenijom tehnologijom 2017.," rekla je.
Prethodno izvješće NIST-a objavljeno u srpnju bavilo se izvedbom algoritama za prepoznavanje lica dostavljeno prije ožujka 2020., prije nego što je Svjetska zdravstvena organizacija proglasila globalnu pandemiju. Ova prva studija otkrila je da je stopa pogreške ovih algoritama prije pandemije između 5% i 50%.
Čak i ako ovi algoritmi postaju bolji u čitanju maskiranih lica, novija studija otkrila je da neki čimbenici utječu na stopu pogreške, poput boje maske (tamnije maske poput crvene ili crne imaju veću stopu pogreške) i kako maska je oblikovan (okrugli oblici maske imaju manje stope pogreške).
Ngan je rekao da algoritmi koriste vidljivi dio nečijeg lica, kao što je područje oko očiju i čelo, za prepoznavanje crta lica umjesto da čitaju kroz samu masku.
Budućnost prepoznavanja lica i maski za lice
Ngan je rekao da je očito da su programeri značajno poboljšali svoje algoritme za prepoznavanje lica kada su u pitanju maske za lice.
"Jasno je da postoji potreba da sustavi za prepoznavanje lica rade pod ograničenjima nošenja maski za lice", rekla je. "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."
Budući da se tehnologija poboljšava, to znači da će biti lakše raditi stvari kao što je otključavanje naših telefona dok nosimo masku za lice, ali postoje i druge implikacije kada se radi o napredovanju prepoznavanja lica na ovaj način.
Brojne studije pokazuju da prepoznavanje lica često krivo identificira pogrešnu osobu i ima rasne predrasude. Studija NIST-a iz 2019. otkrila je da tehnologija prepoznavanja lica pogrešno identificira crnce i azijske ljude do 100 puta češće nego bijelce.
Čak i ako tehnologija postaje sve bolja u očitavanju maski za lice, postotak pogreške - koliko god mali bio - i dalje bi mogao predstavljati problem za pogrešnu identifikaciju osobe koja nosi masku za lice.
Iako najnovije izvješće NIST-a pokazuje da algoritmi postaju sve bolji u rješavanju zadatka maske za lice, Ngan je rekao da će samo vrijeme pokazati ide li to doista kamo budućnost prepoznavanja lica tijekom pandemije.
"Možda možemo očekivati daljnja smanjenja pogrešaka ili bi možda programeri mogli pronaći ograničenja u količini jedinstvenih informacija u nemaskiranoj regiji," rekao je Ngan.
