Τα αποτελέσματα δημοσιεύτηκαν ως NIST Interagency Report- η πρώτη από μια σειρά αναφορών στο πλαίσιο του προγράμματος Face Recognition Vendor Test (FRVT), με θέμα τις επιδόσεις των αλγορίθμων αναγνώρισης προσώπου σε πρόσωπα που καλύπτονται εν μέρει από προστατευτικές μάσκες.

«Με την άφιξη της πανδημίας, πρέπει να κατανοήσουμε πώς αντιμετωπίζει η τεχνολογία αναγνώρισης προσώπου τα μασκοφορεμένα πρόσωπα» είπε η Μέι Νγκαν, επιστήμονας υπολογιστών του NIST και μία εκ των συντελεστών της έρευνας. «Αρχίσαμε εστιάζοντας στο πώς ένας αλγόριθμος που αναπτύχθηκε πριν την πανδημία μπορεί να επηρεάζεται από τη χρήση μασκών προσώπου. Αργότερα μέσα στο καλοκαίρι, σχεδιάζουμε να δοκιμάσουμε την ακρίβεια των αλγορίθμων που αναπτύχθηκαν σκοπίμως έχοντας κατά νου τα μασκοφορεμένα πρόσωπα».

Για τους σκοπούς της έρευνας εφαρμόστηκαν ψηφιακά μάσκες διαφορετικών τύπων, και προέκυψαν κάποια γενικά συμπεράσματα. Μεταξύ αυτών ήταν πως η ακρίβεια έπεσε κατά πολύ: Κανονικά, χωρίς μάσκες, οι πιο ακριβείς αλγόριθμοι αποτυγχάνουν στο 0,3% των περιπτώσεων. Οι μάσκες αύξησαν το ποσοστό ακόμα και των καλύτερων στο 5%, ενώ άλλοι, κατά τα άλλα καλοί αλγόριθμοι, είχαν ποσοστό αποτυχίας 20%-50%. Επίσης, οι εικόνες με μάσκες συχνά έκαναν τους αλγορίθμους ανίκανους να επεξεργαστούν ένα πρόσωπο, καθώς δεν μπορούσαν να διαπιστώσουν ποια ήταν τα χαρακτηριστικά που χρησιμοποιούν για τις μετρήσεις τους. Ακόμη, διαπιστώθηκε πως, όσο μεγαλύτερο μέρος της μύτης καλύπτεται από τη μάσκα, τόσο χαμηλότερη η ακρίβεια.

Παράλληλα, βρέθηκε πως το σχήμα και το χρώμα μιας μάσκας παίζουν ρόλο (οι στρογγυλές μάσκες παρουσίαζαν χαμηλότερα επίπεδα σφάλματος, ενώ οι μαύρες μάσκες επίσης μειώνουν τις επιδόσεις συγκριτικά με τις μπλε χειρουργικές). Επίσης, βρέθηκε πως, αν και αυξήθηκαν τα «false negatives», όπου ο αλγόριθμος αποτυγχάνει να αντιστοιχίσει δύο εικόνες του ίδιου προσώπου, τα «false positives», όπου αντιστοιχίζει λανθασμένα δύο φωτογραφίες διαφορετικών ατόμων, έμειναν σε γνεικές γραμμές σταθερά.

Από Ναυτεμπορική