Αλγόριθμος αναγνώρισης προσώπων ξεπερνά τους ανθρώπους

Το πρώτο λογισμικό που ξεπερνά τις ανθρώπινες ικανότητες στην αναγνώριση προσώπων θα μπορούσε στο μέλλον να καταργήσει τους κωδικούς πρόσβασης στους υπολογιστές και να αυτοματοποιήσει τον έλεγχο διαβατηρίων, υποστηρίζουν οι κινέζοι ερευνητές που ανέπτυξαν τον αλγόριθμο.

Η όραση είναι μια διαβόητα δύσκολη λειτουργία για τους υπολογιστές, και μέχρι σήμερα οι αλγόριθμοι αναγνώρισης προσώπων ξεπερνούσαν τους ανθρώπους μόνο σε ιδανικές συνθήκες. Η αξιοπιστία τους όμως μπορεί να πέσει δραστικά από αλλαγές στο φωτισμό, στην κόμμωση ή από τα γυαλιά και το μούσι.

Για πρώτη φορά, υπερηφανεύονται ερευνητές του Κινεζικού Πανεπιστημίου του Χονγκ Κονγκ, ένας αλγόριθμος κατέρριψε το ανθρώπινο ρεκόρ στην αναγνώριση προσώπων από μια ευρέως χρησιμοποιούμενη βάση δεδομένων με φωτογραφίες: τη συλλογή Labelled Faces in the Wild, η οποία περιέχει 13.000 εικόνες 600 δημόσιων προσώπων οι οποίες συλλέχθηκαν από τον Παγκόσμιο Ιστό.

Για να αναγνωρίσει κανείς ένα πρόσωπο στη βάση δεδομένων πρέπει ουσιαστικά να συγκρίνει δύο φωτογραφίες και να αποφασίσει αν οι εικόνες αυτές δείχνουν το ίδιο πρόσωπο.

Στην περίπτωση της βάσης δεδομένων Labelled Faces in the Wild, οι άνθρωποι μπορούν να το κάνουν αυτό στο 97,53% των περιπτώσεων.

Ο νέος αλγόριθμος, με την ονομασία GaussianFace, ανεβάζει το ποσοστό επιτυχίας στο 98,52%, αναφέρει το ερευνητικό δίδυμο των Τσαοτσάο Λου και Τσιαόου Τανγκ.

Το λογισμικό απομονώνει το πρόσωπο σε κάθε εικόνα και μετρά τις σχετικές θέσεις των ματιών, της μύτης και των ακρών του στόματος. Στη συνέχεια χωρίζει την εικόνα σε επικαλυπτόμενα τετράγωνα διαστάσεων 25 x 25 εικονοστοιχείων και περιγράφει κάθε τετράγωνα με ένα διάνυσμα. Όταν ολοκληρώσει αυτή τη μαθηματική περιγραφή των τετραγώνων, είναι πια έτοιμο να συγκρίνει τις εικόνες αναζητώντας ομοιότητες.

Το πρόγραμμα, όμως, πρέπει πρώτα να μάθει τι είναι αυτό που ψάχνει. Για να γίνει αυτό οι αλγόριθμοι αναγνώρισης προσώπων εκπαιδεύονται συνήθως με τεικόνες σε ειδικές βάσεις δεδομένων.

Η ιδιαιτερότητα του GaussianFace είναι ότι εκπαιδεύτηκε όχι σε μία αλλά σε τέσσερις διαφορετικές βάσεις δεδομένων, οι οποίες περιείχαν πολύ διαφορετικές εικόνες.

Όταν τελικά δοκιμάστηκε στις εικόνες του Labelled Faces in the Wild, η οποία θεωρείται από τις πλέον απαιτητικές βάσεις δεδομένων, ο αλγόριθμος κατάφερε για πρώτη φορά να ξεπεράσει τους ανθρώπους.

Οι ερευνητές αναγνωρίζουν ότι σε πραγματικές συνθήκες οι άνθρωποι πιθανότατα θα υπερτερούσαν, καθώς η όρασή τους δεν περιορίζεται στο πρόσωπο αλλά εξετάζει και άλλες παραμέτρους όπως η θέση των ώμων.

Παρόλα αυτά, οι δημιουργοί του GaussianFace εκτιμούν ότι ο αλγόριθμός τους είναι αρκετά αξιόπιστος για να αξιοποιηθεί σε κρίσιμες εφαρμογές ασφάλειας όπως ο έλεγχος διαβατηρίων στα αεροδρόμια, κατά τον οποίο ένα φυσικό πρόσωπο πρέπει να συγκριθεί με τη φωτογραφία στο διαβατήριό του.

Η μελέτη δεν έχει ακόμα υποβληθεί για έλεγχο και δημοσίευση, έχει όμως αναρτηθεί στην υπηρεσία προδημοσίευσης arXiv.

Newsroom ΑΛΤΕΡ ΕΓΚΟ