Võtmed kaasavõtmiseks
- Näotuvastusalgoritmid muutuvad maskidega nägude lugemisel üha paremaks.
- Uus uuring näitab piiranguid sellele, kuidas algoritm võib näomaski lugeda, näiteks maski värvi ja kuju.
- Ekspertide sõnul töötab näotuvastustööstus aktiivselt näomaskide lisamise algoritmidesse.
Paljud tööstusharud, sealhulgas näotuvastustööstus, on pidanud pandeemiaga kohanema. Ekspertide sõnul muutub tehnoloogia näomaske kandvate inimeste äratundmisel aeglaselt paremaks.
Riikliku standardite ja tehnoloogia instituudi (NIST) avaldatud uus aruanne näitab 65 uue näotuvastusalgoritmi tulemusi, mis loodi pärast COVID-19 pandeemia algust, ning 87 pandeemiaeelselt esitatud algoritmi. Aruandest selgus, et tarkvaraarendajad saavad paremini välja töötada algoritme, mis tuvastavad maskeeritud nägusid, isegi kui need on sama täpsed kui tavalised näotuvastusalgoritmid.
"Kuigi mõned pandeemiaeelsed algoritmid jäävad maskeeritud fotode puhul endiselt kõige täpsemateks, on mõned arendajad pärast pandeemiat esitanud algoritmid, mis näitavad oluliselt paranenud täpsust ja on nüüd meie testis ühed kõige täpsemad," seisab aruandes..
Mida uuring leidis
Uuring oli teine omataoline, mille NIST viis läbi sama andmekogumiga, mille eesmärk oli testida näotuvastusalgoritme ja nende täpsust näomaskide juuresolekul. Aruande autorid kasutasid 6,2 miljonit fotot ja rakendasid nendele piltidele erinevate digitaalsete maskide kombinatsioonide simulatsioone.
Raporti kaasautor ja NISTi arvutiteadlane Mei Ngan ütles telefoniintervjuus Lifewire'ile, et näomaskide olemasolu on võtnud näotuvastustehnoloogia sisuliselt umbes kaks kuni kolm aastat tagasi.
"Veamäär on 2,5% ja 5% vahel võrreldav tipptehnoloogia tasemega 2017. aastal," ütles ta.
NISTi eelmises juulis avaldatud aruandes vaadeldi enne 2020. aasta märtsi enne Maailma Terviseorganisatsiooni ülemaailmse pandeemia väljakuulutamist esitatud näotuvastusalgoritmide toimivust. Selles esimeses uuringus leiti, et nende pandeemiaeelsete algoritmide veamäär on 5–50%.
Isegi kui need algoritmid muutuvad maskeeritud nägude lugemisel paremaks, leiti uuemas uuringus, et mõned tegurid mõjutavad veamäära, näiteks maski värv (tumedamatel maskidel, nagu punane või must, on suurem veamäär) ja seda, kuidas mask on vormitud (ümarate maskikujude veamäär on väiksem).
Ngan ütles, et algoritmid kasutavad näojoonte äratundmiseks kellegi näo nähtavat osa, näiteks silmaümbrust ja otsmikku, mitte maski enda lugemiseks.
Näotuvastuse ja näomaskide tulevik
Ngan ütles, et on ilmne, et arendajad on näomaskide osas oma näotuvastusalgoritme oluliselt täiustanud.
"Näotuvastussüsteemide tööks on selgelt vaja näomaskide kandmise piiranguid," ütles ta. "Arvestades meie tehtud asju ja hiljutise uuringu tulemusi, näeme, et näotuvastustööstus tegeleb aktiivselt näomaskide lisamisega oma algoritmidesse."
Kuna tehnoloogia täiustub, on näomaski kandmise ajal lihtsam teha näiteks telefone lukust avada, kuid sel viisil näotuvastuse edenemisel on ka muid tagajärgi.
Arvukad uuringud näitavad, et laialdaselt teatatakse, et näotuvastus tuvastab vale isiku ja sellel on rassilised eelarvamused. NISTi 2019. aasta uuring näitas, et näotuvastustehnoloogia tuvastab mustanahalisi ja Aasia inimesi kuni 100 korda sagedamini kui valgeid inimesi.
Isegi kui tehnoloogia muutub näomaskide lugemisel paremaks, võib veaprotsent – ükskõik kui väike – ikkagi tekitada muret näomaski kandva isiku vale tuvastamise pärast.
Kuigi viimane NIST-i aruanne näitab, et algoritmid muutuvad näomaski ülesandega toimetulekuks paremaks, ütles Ngan, et ainult aeg näitab, kas see on tõesti see, kuhu pandeemia ajal näotuvastuse tulevik läheb.
"Võib-olla võime oodata täiendavat vigade vähenemist või võib-olla võivad arendajad leida piiranguid unikaalse teabe hulgale katmata piirkonnas," ütles Ngan.
