Εξελιγμένο λογισμικό αναγνώρισης προσώπου αναπτύσσουν ερευνητές του Facebook, το οποίο σημειώνει επιδόσεις κοντινές σε αυτές ενός ανθρώπου πάνω στο συγκεκριμένο αντικείμενο.
Ειδικότερα, σύμφωνα με δημοσίευμα του MIT Technology Review, όταν ένας άνθρωπος ερωτάται εάν δύο φωτογραφίες προσώπων δείχνουν το ίδιο άτομο, το ποσοστό επιτυχίας ανέρχεται στο 97,53%. Το εν λόγω software βρίσκεται πολύ κοντά, με ποσοστό 97,25%.
«Κανονικά δεν βλέπεις βελτίωση τέτοιου είδους» αναφέρει ο Γιανίβ Τάιγκμαν, μέλος της ομάδας ΑΙ (Τεχνητής Νοημοσύνης) του Facebook – ενός ερευνητικού τμήματος που δημιουργήθηκε πέρυσι για να εξερευνήσει το πώς το deep learning (μια νέα προσέγγιση πάνω στην Τεχνητή Νοημοσύνη) μπορεί να βοηθήσει την εταιρεία. «Πλησιάζουμε στις ανθρώπινες επιδόσεις» τονίζει, σημειώνοντας ότι το ενδεχόμενο λάθους έχει μειωθεί κατά άνω του 25% σε σχέση με προηγούμενα προγράμματα αντίστοιχου αντικειμένου.
Το νέο λογισμικό του Facebook, ονόματι DeepFace, κάνει αυτό που ερευνητές του τομέα αποκαλούν facial verification (επιβεβαίωση προσώπου- αναγνωρίζεται ότι δύο εικόνες δείχνουν το ίδιο πρόσωπο) και όχι facial recognition (αντιστοίχιση ενός προσώπου με ένα όνομα). Όσον αφορά στη χρήση του για το κοινωνικό δίκτυο, θα είχε να κάνει με τις προτάσεις για «tags» πάνω σε φωτογραφίες χρηστών.
YANIV TAIGMAN, MING YANG, MARC'AURELIO RANZATO, LIOR WOLF
Τα επίπεδα επεξεργασίας εικόνων του DeepFace.
Σε πρώτο επίπεδο ωστόσο, το DeepFace παραμένει ένα καθαρά ερευνητικό πρόγραμμα. Το Facebook δημοσίευσε πρόσφατα ένα research paper, και οι ερευνητές θα παρουσιάσουν τη δουλειά τους στην IEEE Conference on Computer Vision and Pattern Recognition τον Ιούνιο. «Δημοσιεύουμε τα αποτελέσματα της έρευνάς μας για να έχουμε feedback από την ερευνητική κοινότητα» αναφέρει ο Τάιγκμαν, ο οποίος ανέπτυξε το DeepFace μαζί με τους Μινγκ Γιανγκ, Μαρκ Αουρέλιο Ραντσάτο και Λιόρ Γουλφ.
Τo DeepFace επεξεργάζεται τις εικόνες προσώπων σε δύο βήματα. Πρώτα «διορθώνει» τη γωνία ενός προσώπου, έτσι ώστε το άτομο στη φωτογραφία να «βλέπει» προς τα εμπρός, μέσω της χρήσης ενός τρισδιάστατου μοντέλου ενός «μέσου» προσώπου που βλέπει προς τα εμπρός. Μετά εισέρχεται στη διαδικασία το deep learning, ως ένα εξομοιωμένο νευρικό δίκτυο, το οποίο συνθέτει μία νουμερική περιγραφή του προσώπου. Εάν το DeepFace «δει» παρόμοιες περιγραφές από δύο εικόνες, «αποφασίζει» ότι πρόκειται για το ίδιο πρόσωπο.
