A Universidade de Washington está desafiando os algoritmos de sistemas de reconhecimento facial públicos, a fim de entender como eles se comportam quando são confrontados com uma porção de milhões de dados para analise. As plataformas estão em funcionamento desde o ano passado.
Os testes com o sistema atual têm verificado conjuntos de dados, alguns com 13 mil imagens, que é o valor ideal para esse tipo de análise. Mas as circunstâncias do mundo real são provavelmente diferentes e isso é o que a Universidade propõe analisar. “Somos os primeiros a sugerir que algoritmos de reconhecimento devem ser testados em uma escala planetária”, disse Ira Kemelmacher-Shlizerman, autora do estudo, ao TechCrunch.
De acordo com a especialista, o grande problema é cirar um conjunto de dados público e de referência. “[Mas] acredito que muitos concordarão que isso é importante. Criar um benchmark dá um trabalho enorme, mas um grande impulso para a área de pesquisa.”
Os pesquisadores começaram com conjuntos existente de imagens de pessoas, como celebridades com seus rostos em diversos ângulos, indivíduos com diferentes idades. Além disso, às imagens foram acrescidos ruídos para servirem de “distrações”.
No primeiro teste, algumas distrações foram adicionadas à análise e o sistema que se saiu melhor no quesito idade foi o do Google, o FaceNet. Já quando foram analisadas imagens de celebridades, a plataforma do Google ficou pau a pau com a russa N-TechLab. Vale ressaltar que o DeepFace, do Facebook, não liberou sua tecnologia para uso público, então sua capacidade não pode ser analisada pelo estudo.
Quando o número de distrações foi aumentado, a eficácia das análises foi diminuindo. A taxa de precisão ultra elogiada do Google não conseguiu passar a barreira de 10 mil distrações.
O estudo avalia que, embora uma identificação de três em quatro imagens, o sistema não pode ser considerado preciso o suficiente para ser usado como ferramenta de vigilância para segurança.
