资讯
首页  >  专题  >  环球科学  >  环球科学<前沿资讯>

人脸识别到底可以有多精确

来源:环球科学

2014年,美国发生发生了一系列银行抢劫案后,警方逮捕了Steve Talley。他在被捕期遭打了毒打,并以最高安全级别被拘留近两个月。与其关系疏远的前妻认出他是闭路电视录像里出现的抢劫犯,一名FBI(联邦调查局)的面部审查员后来证实了她的说法。

结果Talley并非罪犯。不幸的是,被捕给他造成了巨大的伤害,还让他丢掉了自己的工作,经历了一段无家可归的日子。Talley现在成为了面部识别出错的一个典型案例。

这些关键的决定依赖于人类和计算机判断两张图片是否是同一个人的能力。Talley的案例显示出这些错误会产生多么深远的影响。

我的研究重点在于如何提高这些决策的准确性,通过防范恐怖主义、组织性犯案以及身份欺诈,从而使社会更安全。并且,确保这些决策错误不再导致人们在案件中被错误指控,以此捍卫公正。

识别陌生脸

那么,人类和计算机在面部识别方面究竟有多精确呢?

大多数人十分擅长识别自己熟悉的人的脸,然而,上面列出的所有关键决策的任务却都不是识别一张熟悉的脸,而是验证陌生面孔的身份。

为了更好地理解这项任务究竟多有挑战性,你不如自己尝试一下:下面两张照片是否为同一个人?

人类VS机器

上面的对比图是我和我的同事用于评估人类和计算机识别人脸的精确度的测试样本之一,于上周发表在Proceedings of the National Academy of Science(《美国国家科学院院刊》)的一篇论文中。

我们招募了两组专业的面部识别专家。其中一组是国际专家,他们为法庭(检验员)提供法医分析报告,另一组人脸识别专家则会更快地做出决策,例如在审查签证申请的有效性或是法医调查时(评审员)。同时,我们也招募了一组天生拥有人脸鉴别能力的“超级识别员”,类似部署在London Metropolitan Police(伦敦警察局)的人脸识别专员团队。

首先要注意的是,人类群体的表现有一个清楚的排列顺序。学生整体表现相对较差,有平均超过30%的错误率,已然显示了这项任务的挑战性。

专业组在任务中的表现则好得多,平均出错率不到10%,且87个中有9个获得了这场测试的最高分。

有意思的是,那些超级识别员也表现得十分优秀,12个中有3个拿到了最高分。这些人并没有接受过专业训练或是有人脸识别决策的经验,这表明基于天生能力而挑选人群也是一个有希望的解决方案。

图表右侧的红点显示了算法的表现,因为算法在过去的两年间得到改进,所以我们对同一个算法进行了三次迭代。每一次迭代,算法得出的结果都有明显的提高,展示了深度卷积神经网络技术在过去几年间取得的重大进展。

最新版本算法获得的准确度均在最优秀的人类的范围内。

群体的智慧

我们还观察到所有组内的巨大差异。无论我们分析哪一组,其中的个体表现都跨越了整个测量值域-从随机猜测(50%)到完美的精确度(100%)。

这种差异是会产生问题的,因为在法庭上,是由个人提供面部识别证据的。如果个体表现差异如此之大,那么我们怎么才能知道他们的决定是准确的呢?

我们的研究为这个问题提供了一个解决方案。通过对人类群体的应答取平均值,利用所谓的“群体智慧”法,我们能够获得近乎完美的精准度。团队表现也要比个体表现更容易预测。

也许最有意思的发现是在我们将人类与机器的决策结合起来的时候。

通过将一名检验员的回答与最先进的算法结合起来,我们就可能在这项测试中获得最完美的准确性,这比检验员或是最好的算法单独工作都要更好。

澳大利亚的人脸识别

这是一个及时的结果,因为正当澳大利亚推出全国人脸识别计划。这将使得警察机构能够利用人脸识别软件搜索大型的图像数据库。

重要的是,人脸识别技术这项应用并不是像边界自主控制系统那样是自动的,相反,该技术生成会生成如下的“候选列表”。为了使系统完全发挥作用,人类必须复审这些候选列表,已确定目标身份是否存在。

在2015年的一项研究中,我和我的同事发现,在审查候选人名单时,每个人平均在每两个决策之中就会出现错误,并且会有40%的概率选择错误的人!

像这样的假性确定会浪费警方宝贵的时间,并且对人们的生活产生潜在的破坏性影响。

我们本周发表的研究声明,想要避免这些高昂的代价,需要仔细考虑人脸识别系统中人机的组成比例。

作者简介

David White

新南威尔士大学,科学研究员

翻译:蒋静;审校:潘燕婷

本文来自:环球科学
特别声明:本文转载仅仅是出于科普传播信息的需要,并不意味着代表本网站观点或证实其内容的真实性;如其他媒体、网站或个人从本网站转载使用,须保留本网站注明的“来源”,并自负版权等法律责任;作者如果不希望被转载或其它相关事宜,请与我们接洽。
[责任编辑:环球科学]
分享到:
文章排行榜
©2011-2025 版权所有:中国数字科技馆
未经书面许可任何人不得复制或镜像
京ICP备11000850号-1 京公网安备11010502039775号
信息网络传播视听节目许可证0111611号
国家科技基础条件平台
./t20180731_837486_taonews.html