مجله هوش مصنوعی شهاب
محققان هوش مصنوعی فیسبوک و نینگ ژانگ برکلی، راه هایی برای بهبود الگوریتم های تشخیص چهره یافته اند که عمدتا هر چیزی به غیر از صورتتان را مورد توجه قرار می‌دهد.
این موضوع که که الگوریتم های تشخیص چهره فیسبوک می توانند هویت شما را حتی زمانی که برای مشاهده کامل چهره تان موانعی وجود دارد تشخیص دهد، بحث هایی را در محافل تکنولوژی سایت New Scientist به راه انداخته است.
فیسبوک، در مقاله ای که در بنیاد رایانه ای ارائه شده بود، در اوایل ماه جاری اعلام کرد که نرم افزار تشخیص چهره اش دقتی به اندازه ۸۳ درصد دارد حتی زمانی که چهره ها پنهان باشند و دیده نشوند. کلید بهبود میزان دقت استفاده از یک روش جدید بود که به ویژگی ها و خصوصیات شخص نگاه می کرد.
این غول شبکه اجتماعی از یک نمونه فلیکر برای اثبات روش خود استفاده کرد. ایده کلی این است که فیسبوک با دقت کردن به نشانه ها، قسمت های بدن، حالت ها و زمینه ها، تشخیص چهره را بهبود بخشید.
محققان فیسبوک در مقاله خود گفتند که:
تشخیص چهره افرادی که می شناسیم حتی با داشتن حالت های غیر معمول برای ما آسان است. در صورت عدم وجود چهره ای شفاف و تمام رخی با وضوح بالا، ما بر روی انواع مختلفی از نشانه های ظریف از دیگر قسمت های بدن، مانند استایل مو، لباس، عینک، حالت و سایر زمینه ها تکیه می کنیم. ما به آسانی می توانیم سبیل، کلاه و عصای چارلی چاپلین و موهای فرفری اپرا وینفری را تشخیص دهیم. با این حال، نمونه هایی مانند این فراتر از قابلیت های حتی پیشرفته ترین نرم افزارهای تشخیص چهره هستند.
در حالی که پیشرفت های زیادی در زمینه تشخیص از تمام رخ چهره صورت گرفته است، چهره هایی که تمام رخشان در عکس ها نیفتاده است در آلبوم های عکس بسیار شایع هستند به طوری که گاهی مردم را درباره هویت فرد دچار تردید می‌کند. به عنوان مثال، در مجموعه داده های ما که حاوی عکس های آلبوم های شخصی افراد هستند، مشاهده می کنیم که تنها ۵۲٪ از مردم دارای عکس هایی با تمام رخ و با وضوح بالای مناسب برای تشخیص چهره هستند. بنابراین، مسئله تشخیص چهره مردم از هر نقطه ای و بدون وجود تمام رخ یا حالتی مانند حالت عابر پیاده در حال عبور از خیابان مهم می‌باشد ولی با این وجود آن طور که باید توجه بسیاری به این مسئله نشده است.
بخشی از دلیل این که این مسئله توجه زیادی را به خود جلب نکرده است این است که تعداد کمی از شرکت ها حجم عکس هایی را که فیسبوک نگه داری می‌کند، نگه داری می‌کنند. فیسبوک اپلیکیشن Moments را راه اندازی کرده است، برنامه ای مستقل که از پیشنهاد های چهره برای سازماندهی عکس ها استفاده می کند. گوگل نیز به همین صورت از تصاویر استفاده می کند.
محور اصلی بهبودی تشخیص چهره در فیسبوک چیزی است که از آن با نام پوزلت ( Poselet ) یاد می‌شود که یک ابزار طبقه بندی برای کشف الگوهای حالات چهره است. مقاله فیسبوک توضیح می دهد که:
پوزلت ها ابزارهای طبقه بندی هستند که الگوهای معمول حالات چهره را کشف و شناسایی می‌کنند. تشخیص چهره از روبرو نوع خاصی از کاربرد پوزلت ها می‌باشد. مثال های دیگری که می توان زد مانند تشخیص از طریق دستی که کنار شانه ی شخصی افتاده است یا از طریق سر و شانه در عکسی که از پشت گرفته شده است یا از طریق پاهای شخصی که در پیاده رو راه می رود.
یک زیر مجموعه کوچک و مکمل از چنین الگوهای برجسته ای به طور خودکار همان طور که قبلا شرح داده شد انتخاب می شود… در حالی که تمامی پوزلت ها به اندازه نرم افزار های تشخیص چهره معمول و مرسوم قدرتمند نیستند، آن ها سیگنال ها و نشانه های ضعیفی را از یک حالت بخصوص تقویت می کنند که در غیر این صورت تشخیص آن ها دشوار است. با ترکیب پیش بینی های آن ها، اطلاعات نامفهوم و متفاوت آن ها را از هر بخش به یک سیستم شناسایی حالت چهره مستقل ظاهری تجمیع می کنیم.
از پوزلت ها استفاده کنید، چهره ها و شبکه های عصبی را به آن اضافه کنید و خواهید دید که دقت تشخیص چهره به طور چشمگیری افزایش می یابد. هنگامی که شما نمودار اجتماعی( ابزاری است که ارتباطات موجود بین کاربر و فالوورهایش را نشان می دهد ) خود را اضافه کنید – که فیسبوک در حال حاضر این قابلیت را فراهم کرده است – شما پتانسیل موجود در این برنامه را خواهید دید. فیسبوک در برخی مواقع شما را به راحتی همان طور که خانواده تان تشخیص می دهند، تشخیص خواهد داد.
بیشتر بخوانید :
- فناوری تشخیص پلاک خودرو چگونه جامعه را هوشمندتر می کند
- گوگل ساختار سازمانی خود را جهت تمرکز بر هوش مصنوعی اصلاح می کند
- پلاک خوان های شهر گرینزبوروی آمریکا فعلاً قرار نیست افزایش پیدا کنند
- فرماندار اوکلند از پلاک خوان ها حمایت می کند اما مخالفان در اثربخشی آن تردید دارند
- لبنان استفاده از پلاک خوان های خودکار را تایید کرد
