شخصی هنگام راه رفتن در پیاده رو شهر ، ماسک صورت به خود دارد.

محققان دریافتند برخی از الگوریتم های تشخیص چهره 10 برابر بهتر در مقایسه افراد با تصاویر پوشیده شده است.

جیمز مارتین / CNET

دانشمندان اتفاق نظر دارند که ماسک های صورت برای ماندن در اینجا هستند و تحقیقات نشان داده است که فناوری تشخیص چهره در حال جابجایی است. بر اساس یک مطالعه دولت ایالات متحده ، از ابتدای همه گیری ، ارائه دهندگان تشخیص چهره برای دور زدن پوشش کار می کنند و کمی بهتر شده اند.

انستیتوی استاندارد و فناوری ملی آمریکا (NIST) بدن برجسته ای برای میزان دقت تشخیص چهره در نظر گرفته می شود و از اول ماه مه مجموعه ای از مطالعات را در مورد تأثیر ماسک های صورت بر این فناوری انجام داده است.

نتایج اولیه ، منتشر شده در جولای و آگوست ، نشان داد که ماسک ها الگوریتم های شناسایی چهره را خنثی می کنند و در برخی موارد میزان خطا را تا 99٪ افزایش می دهند. میزان خطا برای هر الگوریتم افزایش می یابد زیرا محققان ماسک هایی را برای آزمایش عکس ها ، حتی برای تشخیص چهره ، که به طور خاص برای پوشش ها طراحی شده است ، اضافه می کنند.

آخرین نتایج منتشر شده در روز سه شنبه نشان می دهد که تشخیص چهره در مسابقات تن به تن به طور قابل ملاحظه ای بهتر شده است ، حتی زمانی که افراد ماسک زده اند. در این تحقیق 65 الگوریتم ارائه شده پس از اعمال ماسک صورت در چندین کشور و آزمایش 6.2 میلیون عکس انجام شد.

Now playing:
Watch this:

See the new face mask that might solve shortages


The error rates are still higher once a mask is factored in — jumping from 0.3% without masks to about 5% with masks. Still, the NIST study said there was a “notable reduction in error rates” compared to algorithms submitted before the pandemic. 

In some cases, face recognition algorithms became 10 times better at making matches than their pre-pandemic versions, the study found.

“The current performance of face recognition with face masks is comparable to the state-of-the-art on unmasked images in mid-2017,” the study found. 

Face recognition providers have been training their algorithms to detect identities despite masks using social media photos of people in masks, digitally adding masks to photos, asking their own staffers to send in masked images and buying photo sets. 

They’re able to make matches even when 70% of your face is covered by picking up recognizable points on your nose and eyes. In September, NEC, one of the world’s largest face recognition providers, said it developed an algorithm specifically for face masks by focusing on the position, shape and size of a person’s eyes and nose. 

NIST’s findings don’t mean that the facial recognition industry has completely figured out face coverings. For starters, the agency only tested for one-to-one matches, where they already have a photo of a person and looked to see if it matched the same photo but with a mask digitally added. One-to-many algorithms would test facial recognition’s capabilities to match people against a group of images rather than the same photo. 

Because the masks are also digitally added, it gives perfect conditions that real masks with different texture, colors and shapes wouldn’t have. The study used the exact same color for its masks in each test, but noted that masks in black and red are better at thwarting facial recognition than masks in blue and white.

In the real world, images likely would be less than perfect because of issues with lighting and angle and image quality. 

The study also didn’t factor in race and gender in its test photos. Facial recognition is known to have higher error rates for women of color, but NIST’s tests haven’t separated its results by demographics. 

“We deferred tabulating accuracy for different demographic groups until more capable mask-enabled algorithms have been submitted to [the Facial Recognition Vendor Test]، “NIST گفت.

همچنین مشاهده کنید: بهترین دوربین های امنیتی برای تشخیص چهره از سال 2020 تاکنون


منبع: shargh-khabar.ir