Key takeaways
- Ansigtsgenkendelsesalgoritmer bliver bedre til at læse ansigter med masker på.
- En ny undersøgelse viser begrænsninger for, hvordan en algoritme kan læse en ansigtsmaske, såsom maskens farve og form.
- Eksperter siger, at ansigtsgenkendelsesindustrien arbejder aktivt på at inkludere ansigtsmasker i deres algoritmer.
Mange industrier har haft brug for at tilpasse sig pandemien, inklusive ansigtsgenkendelsesindustrien. Eksperter siger, at teknologien langsomt bliver bedre til at genkende folk, der bærer ansigtsmasker.
En ny rapport udgivet af National Institute of Standards and Technology (NIST) viser resultaterne af 65 nye ansigtsgenkendelsesalgoritmer, der blev oprettet efter starten af COVID-19-pandemien, samt 87 algoritmer, der blev indsendt præ-pandemi. Rapporten afslørede, at softwareudviklere bliver bedre til at udvikle algoritmer, der genkender maskerede ansigter, og endda bliver lige så nøjagtige som almindelige ansigtsgenkendelsesalgoritmer.
"Mens nogle få præ-pandemiske algoritmer stadig er inden for de mest nøjagtige på maskerede billeder, har nogle udviklere indsendt algoritmer efter pandemien, der viser væsentligt forbedret nøjagtighed og er nu blandt de mest nøjagtige i vores test," lyder rapporten.
Hvad undersøgelsen fandt
Undersøgelsen var den anden af sin slags udført af NIST med det samme datasæt beregnet til at teste ansigtsgenkendelsesalgoritmer og deres nøjagtighed i nærvær af ansigtsmasker. Rapportens forfattere brugte 6,2 millioner fotos og anvendte simuleringer af forskellige digitale maskekombinationer på disse billeder.
Mei Ngan, en medforfatter af rapporten og datalog ved NIST, fort alte Lifewire i et telefoninterview, at tilstedeværelsen af ansigtsmasker i det væsentlige har taget ansigtsgenkendelsesteknologi tilbage omkring to til tre år.
"Fejlraterne er over alt mellem 2,5 % og 5 % - sammenlignelige med hvor den avancerede teknologi var i 2017," sagde hun.
En tidligere rapport fra NIST offentliggjort i juli kiggede på ydeevnen af ansigtsgenkendelsesalgoritmer indsendt før marts 2020, før Verdenssundhedsorganisationen erklærede en global pandemi. Denne første undersøgelse fandt, at fejlraten for disse præ-pandemiske algoritmer var mellem 5 % og 50 %.
Selv hvis disse algoritmer bliver bedre til at læse maskerede ansigter, viste den nyere undersøgelse, at nogle faktorer påvirker fejlraten, såsom maskefarve (mørkere masker som rød eller sort har højere fejlrate) og hvordan masken er formet (rundere maskeformer har lavere fejlprocenter).
Ngan sagde, at algoritmerne bruger den synlige del af en persons ansigt, såsom regionen omkring øjnene og panden, til at genkende ansigtstræk i stedet for at læse gennem selve masken.
Fremtiden for ansigtsgenkendelse og ansigtsmasker
Ngan sagde, at det er indlysende, at udviklere har foretaget betydelige forbedringer med deres ansigtsgenkendelsesalgoritmer, når det kommer til ansigtsmasker.
"Der er helt klart et behov for ansigtsgenkendelsessystemer til at fungere under begrænsningerne af at bære ansigtsmasker," sagde hun. "I betragtning af de ting, vi har lavet, og resultaterne fra vores nylige undersøgelse, ser vi, at ansigtsgenkendelsesindustrien aktivt arbejder på at inkludere ansigtsmasker i deres algoritmer."
Da teknologien forbedres, betyder det, at det bliver nemmere at gøre ting som at låse vores telefoner op, mens vi bærer en ansigtsmaske, men der er andre implikationer, når det kommer til ansigtsgenkendelse, der udvikler sig på denne måde.
Tallige undersøgelser viser, at ansigtsgenkendelse er almindeligt rapporteret for at fejlidentificere den forkerte person og have racemæssige skævheder. En undersøgelse fra 2019 af NIST viste, at ansigtsgenkendelsesteknologi fejlidentificerer sorte og asiatiske mennesker op til 100 gange oftere end hvide.
Selv hvis teknologien bliver bedre til at læse ansigtsmasker, kan fejlprocenten – uanset hvor lille den er – stadig være en bekymring for at fejlidentificere en person, der bærer en ansigtsmaske.
Mens den seneste NIST-rapport viser, at algoritmer bliver bedre til at håndtere ansigtsmaske-opgaven, sagde Ngan, at kun tiden vil vise, om det virkelig er her, fremtiden for ansigtsgenkendelse går hen i pandemitider.
"Måske kan vi forvente yderligere fejlreduktioner, eller måske kan udviklere finde begrænsninger for mængden af unik information i den umaskerede region," sagde Ngan.
