Het resultaat werd algemeen verwacht, hoewel de foutenpercentages behoorlijk indrukwekkend zijn.
Het Amerikaanse National Institute of Standards and Technology heeft een reeks onderzoeken gelanceerd om erachter te komen hoe goed gezichtsherkenningsalgoritmen werken in de maskermodus. De vraag is vandaag uiterst relevant, en sommige fabrikanten zeggen dat ze al systemen hebben ontwikkeld die gemaskerde gezichten kunnen herkennen. Maar NIST startte op volgorde en testte in de eerste studie 89 algoritmen die waren gemaakt voordat de pandemie begon.
De test gebruikte meer dan zes miljoen foto's en algoritmen moesten bepalen hoe de ene afbeelding van een persoon overeenkomt met de andere - de meest voorkomende taak in dergelijke gevallen, met name gebruikt om smartphones te ontgrendelen. Van een moeilijkere taak - om een match te vinden voor één in de hele database - besloten de onderzoekers te weigeren. Negen varianten van maskers, verschillend in vorm en kleur, werden digitaal over de afbeeldingen heen gelegd.
Het resultaat was dat zelfs de beste van 89 algoritmen, die normaal gesproken gezichten herkenden met een nauwkeurigheid van 99,7%, zich vergisten bij het gebruik van maskers in ten minste 5% van de gevallen. Voor de meerderheid varieerde het foutenpercentage echter van 20% tot 50%.
De belangrijkste reden was het gebrek aan informatie over de onderscheidende kenmerken van gezichten, die in feite nodig zijn voor algoritmen voor herkenning. Tegelijkertijd merkten NIST-specialisten op dat de vorm en kleur van het masker het foutenniveau beïnvloeden: hoe groter het masker en hoe hoger het de neus bedekt, hoe moeilijker het is voor het algoritme om het beeld te herkennen. Het aantal fouten was ook hoger bij het gebruik van zwarte maskers, maar, zoals de auteurs van de studie zelf toegeven, hadden ze niet genoeg tijd om het "kleur" -probleem grondiger te bestuderen.
In de volgende studie zijn NIST-specialisten van plan nieuwe algoritmen te testen die al de functie van het herkennen van gemaskerde gezichten bevatten.
