Gezichtsherkenning nog verre van perfect

Portretten en gezichtenGezichtsherkenning door digitale systemen is nog verre van perfect. Makers van programma’s voor gezichtsherkenning beweerden dat hun systemen nagenoeg perfect zijn, maar dat baseerden ze op tests in fotobestanden van enkele duizenden. Bij een bestand van een miljoen portretten (MegaFace) bleek van perfectie geen sprake. FaceNet van Google scoorde het best met 75% goede toekenningen, met het systeem van het Russische N-TechLab als goede tweede (73%). Programma’s die in vorige beperktere tests bijna volmaakt leken (95%), kwamen niet hoger dan 33%, zo bleek onderzoekers van de universiteit van Washington.
De laatste jaren dachten de ontwikkelaars van gezichtherkenningsprogrammatuur de zaak in de tas te hebben. Die zou it een menigte zonder problemen een individu kunnen herkennen. Dat was uitgeprobeerd op gegevensbestanden van zo’n 13 000 gezichten. Dat is niet bepaald indrukwekkend. Dus besloten de onderzoekers van de universiteit van Washington onder leiding van Ira Kemelmacher-Shlizerman dat maar eens op grotere bestanden te gaan uitproberen (het in eigen beheer opgebouwde MegaFace, dus). Dat bleek nogal tegen te vallen.
De systemen werden getest op het vergelijken van twee foto’s: is dat dezelfde persoon of niet? Zo werkt een gezichtherkenningssysteem van een telefoon, dat dienst doet als ‘poortwacht’. Kemelmacher-Shlizerman: “Als ik mijn telefoon verlies dan zou ik willen dat mijn telefoon mijn gezicht correct identificeert uit 1 miljoen gezichten of 7 miljard, niet 1 uit 10 000.”
Er werd ook getest of het systeem iemand op basis van een foto herkent op een andere foto met allerlei ‘afleiders’. Dat is wat er gebeurt als iemand wordt gezocht op basis van een foto door, bijvoorbeeld, de politie. “De grote problemen”, zegt de onderzoekster, “komen als mensen ouder worden. Dat is nog steeds een onopgelost probleem, net zo als het uit elkaar houden van dubbelgangers, mensen in verschillende poses en van verschillende kanten bekeken, enzovoort.”

Lerend

In het algemeen zijn lerende systemen die zijn getraind op grotere gegevensbestanden beter dan die zijn uit ‘opgevoed’ met kleinere bestanden, met uitzondering van een Chinees systeem SIAT MMLab. De onderzoekers willen hun fotobestand MegaFace uitbreiden zodat er van elk individu meer foto’s aanwezig zijn. “De tegenwoordige neurale netwerkalgoritmes hebben miljoenen parameters om te kunnen leren en hebben veel voorbeelden nodig om uiteindelijk het juiste resultaat op te leveren”, zegt afstudeerder Aaron Nech. Er is nog wel wat werk te doen.

Bron: EurekALert

Geef een reactie

Je e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *

Deze site gebruikt Akismet om spam te verminderen. Bekijk hoe je reactie-gegevens worden verwerkt.