Технология распознания лиц. Часть 2
В данной статье продолжим обсуждать основные понятие, связанные с использованием технологии распознавания лиц.
Оценка работы системы
Чтобы результат работы систем распознавания лиц был максимальным, их необходимо предварительно обучить. При этом используются следующие понятия:
- True Positive. Лицо есть в базе и было успешно распознано системой.
- True Negative Лица нет в базе, и система его не сумела распознать, что логично.
- False Positive. Система «распознала» лицо, приняв его владельца за другого человека. В результате доступ был открыт тому, кому нельзя было его получать.
- False Negative. Лицо не было распознано, хотя человек был занесен в базу, а действия человека были определены как попытка несанкционированного доступа.
Показатели эффективности
Для оценки качества работы системы, а именно при анализе количества неверно распознанных лиц, используются следующие понятия:
- False Rejection Rate (FRR) – это вероятность отказа в доступе тем, кто имеет право его получить. Так значение 1:100 означает, что лишь одному человеку из сотни будет ошибочно отказано в доступе.
- False Acceptance Rate (FAR) – это вероятность того, что система по ошибке пропустит кого-то из неавторизованных пользователей. Допустим, значение 1:1000 будет означать, что из тысячи человек, не имеющих право доступа, система пропустит лишь одного.
И первый, и второй показатель весьма важны для оценки качества работы системы. Если в первом случае на объект не попадет человек, которому это действительно необходимо, то во втором, наоборот, система может пропустить злоумышленника.
Референсное изображение
Это лица, на которых система будет проходить обучение, а также изображения, с которыми система будет сравнивать «считываемое» лицо. И в первом и во втором случае для получения качественного референсного изображения необходимо соблюдать ряд условий: четкость изображения, ракурс фотографии, освещенность, «открытость» лица (то есть отсутствие очков, головных уборов и других деталей, мешающих распознаванию). Также важно получить как можно больше референсных изображений – в этом случае система будет обучаться быстрее, а точность ее алгоритма повысится.
Искусственный интеллект
Такие системы с помощью компьютерных алгоритмов способны выполнять интеллектуальные функции, присущие человеку, и принимать решения. Распознавание лиц также является одним из направлений деятельности систем ИИ. Однако, внедряя такого рода технологии, следует тщательно продумать, насколько большими «полномочиями» они будут наделены. Deep Learning или глубокое обучение..
Глубокое обучение представляет собой метод машинного обучения, при котором система искусственного интеллекта получает не конкретный алгоритм работы, а комплекс данных, которые анализируются, а затем учитываются при следующем анализе. Таким образом, система «самообучается» и со временем строит собственный алгоритм, позволяющий решать самые разные задачи. В результате такие системы умеют самостоятельно принимать решения даже в весьма нестандартных ситуациях.
Подводя итоги, скажем, что технологии распознавания лиц развиваются настолько быстро, что в ближайшем будущем, по мнению экспертов, вполне вероятно, нас ждет полный отказ от предъявления документов. А для идентификации человеку понадобится всего лишь показать свое лицо.