Key takeaways
- Ansiktsgjenkjenningsalgoritmer blir stadig bedre til å lese ansikter med masker på.
- En ny studie viser begrensninger for hvordan en algoritme kan lese en ansiktsmaske, for eksempel maskens farge og form.
- Eksperter sier at ansiktsgjenkjenningsindustrien jobber aktivt med å inkludere ansiktsmasker i algoritmene sine.
Mange bransjer har trengt å tilpasse seg pandemien, inkludert ansiktsgjenkjenningsindustrien. Eksperter sier at teknologien sakte blir bedre til å gjenkjenne folk som har på seg ansiktsmasker.
En ny rapport publisert av National Institute of Standards and Technology (NIST) viser resultatene av 65 nye ansiktsgjenkjenningsalgoritmer opprettet etter starten av COVID-19-pandemien, samt 87 algoritmer som ble sendt inn pre-pandemi. Rapporten avslørte at programvareutviklere blir stadig flinkere til å utvikle algoritmer som gjenkjenner maskerte ansikter, og blir til og med like nøyaktige som vanlige ansiktsgjenkjenningsalgoritmer.
"Selv om noen få pre-pandemiske algoritmer fortsatt er innenfor de mest nøyaktige på maskerte bilder, har noen utviklere sendt inn algoritmer etter pandemien som viser betydelig forbedret nøyaktighet og er nå blant de mest nøyaktige i testen vår," heter det i rapporten..
Hva studien fant
Studien var den andre i sitt slag utført av NIST med det samme datasettet ment å teste ansiktsgjenkjenningsalgoritmer og deres nøyaktighet i nærvær av ansiktsmasker. Rapportens forfattere brukte 6,2 millioner bilder og brukte simuleringer av ulike digitale maskekombinasjoner på disse bildene.
Mei Ngan, en medforfatter av rapporten og informatiker ved NIST, fort alte Lifewire i et telefonintervju at tilstedeværelsen av ansiktsmasker i hovedsak har tatt ansiktsgjenkjenningsteknologi tilbake rundt to til tre år.
"Feilratene er hvor som helst mellom 2,5 % og 5 % - sammenlignbare med hvor den nyeste teknologien var i 2017," sa hun.
En tidligere rapport fra NIST publisert i juli så på ytelsen til ansiktsgjenkjenningsalgoritmer som ble sendt inn før mars 2020, før Verdens helseorganisasjon erklærte en global pandemi. Denne første studien fant at feilraten for disse pre-pandemiske algoritmene var mellom 5 % og 50 %.
Selv om disse algoritmene blir bedre til å lese maskerte ansikter, fant den nyere studien at noen faktorer påvirker feilraten, for eksempel maskefarge (mørkere masker som røde eller svarte har høyere feilrate) og hvordan masken er formet (rundere maskeformer har lavere feilprosent).
Ngan sa at algoritmene bruker den synlige delen av noens ansikt, som området rundt øynene og pannen, til å gjenkjenne ansiktstrekk i stedet for å lese gjennom selve masken.
Framtiden for ansiktsgjenkjenning og ansiktsmasker
Ngan sa at det er åpenbart at utviklere har gjort betydelige forbedringer med sine ansiktsgjenkjenningsalgoritmer når det kommer til ansiktsmasker.
"Det er helt klart et behov for ansiktsgjenkjenningssystemer for å fungere under begrensningene av å bruke ansiktsmasker," sa hun. "Med tanke på tingene vi har gjort og resultatene fra vår nylige studie, ser vi at ansiktsgjenkjenningsindustrien jobber aktivt med å inkludere ansiktsmasker i algoritmene sine."
Siden teknologien blir bedre, betyr det at det blir enklere å gjøre ting som å låse opp telefonene våre mens de har på seg en ansiktsmaske, men det er andre implikasjoner når det gjelder ansiktsgjenkjenning som går videre på denne måten.
Tallige studier viser at ansiktsgjenkjenning er mye rapportert for å feilidentifisere feil person og ha rasemessige skjevheter. En studie fra 2019 av NIST fant at ansiktsgjenkjenningsteknologi feilidentifiserer svarte og asiatiske mennesker opptil 100 ganger oftere enn hvite.
Selv om teknologien blir bedre til å lese ansiktsmasker, kan feilprosenten - uansett hvor liten - fortsatt være en bekymring for å feilidentifisere en person som bærer ansiktsmaske.
Mens den siste NIST-rapporten viser at algoritmer blir bedre til å håndtere ansiktsmaskeoppgaven, sa Ngan at bare tiden vil vise om dette virkelig er dit fremtiden for ansiktsgjenkjenning går i pandemitider.
"Kanskje vi kan forvente ytterligere feilreduksjoner, eller kanskje utviklere kan finne begrensninger på mengden unik informasjon i den demaskerte regionen," sa Ngan.
