在脸部识别技术大量应用于商业时,是否就证明脸部识别技术的成熟和稳定了呢,其实不然,据英国《每日邮报》6月25日报道,研究人员发现,在面部数量达百万级的测试中,饱受争议的面部识别技术并不像声称地那么准确。
人工智能可以在数千张面孔中识别出你的面孔,准确率近乎百分之百,,但当其面对更大的面部图片数量时,它的准确率可就没那么高了。
在华盛顿大学发起的百万人脸识别挑战赛上,研究人员致力于提升面部识别算法在百万数量级的准确率。研究人员希望这次挑战赛对解决面部识别技术的难题起到积极作用。难题之一就是如何识别出一个人在不同年纪和不同姿势的照片。
“我们需要在全球范围内,测试人脸识别算法,以保证它的实际应用。更大规模的测试,可以让你发现识别算法的缺陷和成功之处。”华盛顿大学的计算机科学助理教授、项目首席调查员,Ira Kemelmacher-Shlizerman说到。“我们不能只进行小规模测试,就说它已经很完美。”
这次挑战赛有超过300个研究小组参与,他们都致力于评估和提升其算法的准确率。现有许多面部识别算法准确率都近乎完美,但都是基于一个1.3万张照片的小数据集。在新研究中,实验人员想要知道这些算法在面对更大数据集时表现如何。为此他们选取了来自世界各地的将近70万人的100万张网络照片,以此来测试算法在识别两张照片是否为同一个人的表现。
研究人员发现,当面部识别算法面对更大的数据集时,它的准确率便会大幅下降。谷歌的FaceNet算法识别准确率最高,在小规模数据集中准确率几乎完美,但在百万规模数据下,准确率仅为75%。另一个与之接近的团队是俄罗斯的N-TechLab,他们实现了73%的准确率。一些在小数量级表现很好的算法,面对百万规模数据集其准确率骤降至33%。