Mga Key Takeaway
- Ang mga algorithm sa pagkilala ng mukha ay nagiging mas mahusay sa pagbabasa ng mga mukha na naka-maskara.
- Isang bagong pag-aaral ang nagpapakita ng mga limitasyon sa kung paano nababasa ng isang algorithm ang face mask, gaya ng kulay at hugis ng mask.
- Sabi ng mga eksperto, aktibong nagtatrabaho ang industriya ng pagkilala sa mukha upang isama ang mga face mask sa kanilang mga algorithm.
Maraming industriya ang kailangang umangkop sa pandemya, kabilang ang industriya ng pagkilala sa mukha. Sabi ng mga eksperto, unti-unting nagiging mas mahusay ang teknolohiya sa pagkilala sa mga taong nakasuot ng face mask.
Isang bagong ulat na inilathala ng National Institute of Standards and Technology (NIST) ang nagpapakita ng mga resulta ng 65 bagong facial recognition algorithm na ginawa pagkatapos ng pagsisimula ng COVID-19 pandemic, gayundin ang 87 algorithm na isinumite bago ang pandemya. Ang ulat ay nagsiwalat na ang mga developer ng software ay nagiging mas mahusay sa pagbuo ng mga algorithm na kumikilala sa mga naka-mask na mukha, kahit na nagiging kasing tumpak ng mga regular na facial recognition algorithm.
"Habang ang ilang mga algorithm bago ang pandemya ay nananatili pa rin sa pinakatumpak sa mga naka-mask na larawan, ang ilang mga developer ay nagsumite ng mga algorithm pagkatapos ng pandemya na nagpapakita ng makabuluhang pinabuting katumpakan at ngayon ay kabilang sa mga pinakatumpak sa aming pagsubok, " ang sabi ng ulat.
Ano ang Nahanap ng Pag-aaral
Ang pag-aaral ay ang pangalawa sa uri nito na isinagawa ng NIST na may parehong dataset na nilalayong subukan ang mga algorithm sa pagkilala sa mukha at ang kanilang katumpakan sa pagkakaroon ng mga face mask. Gumamit ang mga may-akda ng ulat ng 6.2 milyong larawan at naglapat ng mga simulation ng iba't ibang kumbinasyon ng digital mask sa mga larawang ito.
Mei Ngan, isang co-author ng ulat at computer scientist sa NIST, ay nagsabi sa Lifewire sa isang panayam sa telepono na ang pagkakaroon ng mga face mask ay mahalagang ibinalik ang teknolohiya sa pagkilala sa mukha noong mga dalawa hanggang tatlong taon.
"Ang mga rate ng error ay nasa pagitan ng 2.5% at 5% na maihahambing sa kung saan ang makabagong teknolohiya noong 2017," sabi niya.
Ang isang nakaraang ulat mula sa NIST na inilathala noong Hulyo ay tumingin sa pagganap ng mga algorithm sa pagkilala sa mukha na isinumite bago ang Marso 2020, bago ang World He alth Organization na nagdeklara ng isang pandaigdigang pandemya. Nalaman ng unang pag-aaral na ang error rate ng mga algorithm na ito bago ang pandemya ay nasa pagitan ng 5% at 50%.
Kahit na nagiging mas mahusay ang mga algorithm na ito sa pagbabasa ng mga naka-mask na mukha, natuklasan ng mas kamakailang pag-aaral na nakakaapekto ang ilang salik sa rate ng error, gaya ng kulay ng mask (mas matataas na rate ng error ang mas madidilim na mask tulad ng pula o itim) at kung paano ang mask ay hugis (mas mababang mga rate ng error ang mga mas bilog na hugis ng maskara).
Sinabi ni Ngan na ginagamit ng mga algorithm ang nakikitang bahagi ng mukha ng isang tao, gaya ng rehiyon sa paligid ng mga mata at noo, upang makilala ang mga tampok ng mukha sa halip na basahin ang mismong maskara.
Ang Kinabukasan ng Facial Recognition at Face Mask
Sinabi ni Ngan na halatang nakagawa ang mga developer ng makabuluhang pagpapabuti sa kanilang mga facial recognition algorithm pagdating sa mga face mask.
"May malinaw na pangangailangan para sa mga sistema ng pagkilala sa mukha upang gumana sa ilalim ng mga hadlang ng pagsusuot ng mga maskara sa mukha," aniya. "Dahil sa mga bagay na aming ginagawa at sa mga resulta mula sa aming kamakailang pag-aaral, nakikita namin ang industriya ng pagkilala sa mukha na aktibong nagtatrabaho upang isama ang mga face mask sa kanilang mga algorithm."
Dahil umuunlad ang teknolohiya, nangangahulugan iyon na mas madaling gawin ang mga bagay tulad ng pag-unlock ng ating mga telepono habang nakasuot ng face mask, ngunit may iba pang implikasyon pagdating sa pagsulong ng pagkilala sa mukha sa ganitong paraan.
Maraming pag-aaral ang nagpapakita na ang pagkilala sa mukha ay malawak na iniulat upang maling makilala ang maling tao at magkaroon ng mga bias sa lahi. Nalaman ng isang pag-aaral noong 2019 ng NIST na ang teknolohiya sa pagkilala ng mukha ay maling kinikilala ang mga Black at Asian na tao nang hanggang 100 beses na mas madalas kaysa sa mga puti.
Kahit na nagiging mas mahusay ang teknolohiya sa pagbabasa ng mga face mask, ang porsyento ng error-gaano man kaliit-ay maaari pa ring maging alalahanin para sa maling pagkilala sa taong nakasuot ng face mask.
Habang ang pinakahuling ulat ng NIST ay nagpapakita na ang mga algorithm ay nagiging mas mahusay sa paghawak ng gawain sa face mask, sinabi ni Ngan na ang panahon lang ang magsasabi kung ito ba talaga ang pupuntahan ng hinaharap ng pagkilala sa mukha sa panahon ng pandemya.
"Marahil ay maaari nating asahan ang mga karagdagang pagbawas ng error, o maaaring makakita ang mga developer ng mga limitasyon sa dami ng natatanging impormasyon sa hindi nakatatak na rehiyon," sabi ni Ngan.
