Forbedring af ansigtsgenkendelsesværktøjer med generativ ansigtsfuldførelse

Forskere ved USC Information Sciences Institute (ISI) i Californien har for nylig udført en undersøgelse, der undersøger, om færdiggørelse af blokerede ansigter ved hjælp af kunstige neurale netværk (ANN) kan forbedre nøjagtigheden af ​​ansigtsgenkendelsesværktøjer. Deres undersøgelse stammer fra IARPA Odin forskningsprojekt, som har til formål at identificere sande og falske ansigter i billeder, i sidste ende for at forbedre ydeevnen af ​​biometriske autentificeringsværktøjer.

Ansigtsokklusioner (dvs. et objekt, der dækker eller screener en persons ansigt) kan resultere i et betydeligt tab af information og dermed hindre udførelsen af ​​værktøjer til ansigtsgenkendelse. Når du forsøger at omgå biometriske identifikationsværktøjer, derfor, angribere bærer nogle gange solbriller, tørklæder, hatte eller andre genstande, der kan forvirre ansigtsgenkendelsesalgoritmer.

"Den grundlæggende idé bag vores undersøgelse er, at en angriber kan forsøge at bruge okklusioner, såsom solbriller, ansigts tatoveringer, osv. for at undgå ansigtsidentifikation, " Wael AbdAlmageed, hovedforsker for undersøgelsen, fortalte TechXplore. "I bund og grund, vores idé er, at hvis vi faktisk kan opdage disse okklusioner, fjern dem og fuldfør ansigtet, som om der ikke er nogen okklusion, vi vil i det væsentlige gøre de efterfølgende ansigtsidentifikationsalgoritmer bedre og mere nøjagtige. Så hovedformålet er at forbedre biometrisk autentificering og måle virkningen af ​​ansigtsokklusioner på biometriske systemer."

Selvom der i de senere år, forskere har forsøgt at udvikle mere robuste ansigtsgenkendelsesmodeller, de fleste af disse er stadig ude af stand til at håndtere okklusioner. Nogle undersøgelser har forsøgt at forbedre ydeevnen af ​​disse modeller ved at behandle spørgsmålet om okklusioner under træning. I stedet for at tage denne tilgang, AbdAlmageed og hans kolleger besluttede at udforske potentialet i modeller, der automatisk kan fuldende delvist tilslørede eller tildækkede ansigter.

"Vi forsøgte at vise, at fjernelse af okklusioner og færdiggørelse af de manglende dele af ansigtet forbedrer nøjagtigheden af ​​enhver ansigtsgenkendelsesalgoritme, " sagde AbdAlmageed.

Forskerne udviklede en encoder-dekoder for ansigtsfuldførelse baseret på en foldningsoperator med en gating-mekanisme. De trænede derefter denne model på flere billeder af okkluderede ansigter.

AbdAlmageed og hans kolleger undersøgte virkningen af ​​realistiske okklusioner på ydeevnen af ​​ansigtsgenkendelsesmodeller ved at gengive 3D-objekter på forskellige ansigtsdele og udforske, hvordan de påvirkede genkendelsen af ​​personen i et givet billede. De testede effektiviteten af ​​deres encoder-decoder til generativ ansigtsafslutning i omfattende eksperimenter ved hjælp af datasættet Labeled Faces in the Wild (LFW) og dens variant LFW-BLUFR. Deres resultater tyder på, at færdiggørelse af ansigtet delvist kan forbedre ansigtsopfattelsens evner for maskinsynssystemer, når de behandler okkluderede ansigtsbilleder.

"Det vigtigste fund er, at opdagelse af okklusioner, at fjerne dem og fylde de manglende dele af ansigtet er meget kritiske skridt mod mere sikre biometriske systemer, "Sagde AbdAlmageed." Desværre, disse er mindre chartrede områder end selve ansigtsgenkendelse, men jeg tror, ​​vores arbejde forsøger at skabe bevidsthed om forskningssamfundet til at løse disse meget hårde forskningsproblemer."

Undersøgelsen udført af AbdAlmageed og hans kolleger introducerer en levedygtig løsning til at tackle de negative virkninger af ansigtsokklusioner på ydeevnen af ​​ansigtsgenkendelsesværktøjer. I fremtiden, deres tilgang kunne i sidste ende fremme computersyn og biometriske autentificeringsværktøjer.

"Vi arbejder nu på algoritmer til at detektere forskellige typer okklusioner, der i det væsentlige fuldender vores pipeline, "AbdAlmageed sagde." Dette vil give os en mulighed for at teste og evaluere vores system i virkelige scenarier, som vi gør i IARPA Odin-programmet. "

© 2019 Science X Network