1 pièce(s) jointe(s)
Les systèmes de reconnaissance faciale s'améliorent pour reconnaître les visages masqués
Les systèmes de reconnaissance faciale s'améliorent pour reconnaître les visages masqués,
les nouvelles données du NIST montrent une amélioration significative depuis juillet dernier
Une nouvelle étude sur la technologie de reconnaissance des visages créée après le début de la pandémie COVID-19 montre que certains développeurs de logiciels ont fait des progrès démontrables dans la reconnaissance des visages masqués. Les conclusions, produites par le National Institute of Standards and Technology (NIST), sont détaillées dans un nouveau rapport intitulé Ongoing Face Recognition Vendor Test : Face Recognition Accuracy with Face Masks Using Post-COVID-19 Algorithms. Il s'agit de la première étude de l'agence qui mesure la performance des algorithmes de reconnaissance des visages développés après l'arrivée de la pandémie. Un précédent rapport datant de juillet dernier a étudié l'effet des visages masqués sur les algorithmes soumis avant mars 2020, indiquant que les logiciels disponibles avant la pandémie avaient souvent plus de mal avec les visages masqués.
S'appuyant sur des tests indépendants de plus de 150 algorithmes de reconnaissance faciale différents, le nouveau rapport du NIST suggère que les masques pourraient ne pas être un problème aussi important pour les systèmes de reconnaissance faciale qu'on le pensait initialement. Les vendeurs soumettent volontairement leurs algorithmes de reconnaissance faciale au NIST pour qu'ils soient testés dans le cadre du Facial Recognition Vendor Test (FRVT). L'institut publie les résultats de ces tests sur une base continue au fur et à mesure que chaque algorithme est soumis. Lorsque le NIST a examiné pour la première fois l'effet des masques sur la reconnaissance faciale en juillet, il a constaté que les algorithmes n'étaient pas très efficaces pour identifier les visages avec des masques. Comme on pouvait s'y attendre, il est plus difficile de reconnaître un visage lorsque le nez et la bouche sont couverts.
Les rapports du NIST se concentrent sur les taux de fausses non-concordances, une mesure du nombre de visages concordants qui se glissent dans l'algorithme sans déclencher d'alerte. En juillet, le taux d'erreur de certains algorithmes a atteint entre 5 et 50 % lorsqu'ils ont été confrontés à des images de personnes masquées. Mais la pandémie a donné aux développeurs tout le temps nécessaire pour se concentrer sur le problème des masques, et les données du NIST montrent que les algorithmes de reconnaissance faciale s'améliorent avec les visages masqués. Sans masque, les meilleurs algorithmes ont un taux de fausses correspondances d'environ 0,3 %, mais ce chiffre passe encore à 5 % lorsque l'on porte des masques à forte couverture.
« Alors que quelques algorithmes d'avant la pandémie restent encore parmi les plus précis sur les photos masquées, certains développeurs ont soumis des algorithmes après la pandémie montrant une précision nettement améliorée et sont maintenant parmi les plus précis dans notre test », peut-on lire dans le rapport. Le classement public du NIST pour les tests de reconnaissance faciale confirme cette affirmation. Huit algorithmes différents affichent désormais des taux de fausses correspondances inférieurs à 0,05 %. Six de ces huit algorithmes ont été soumis au NIST après la publication du premier rapport en juillet.
Les auteurs notent un certain nombre de limites à l'étude. Surtout, parce que les tests ont été réalisés à partir de photos de vrais détenteurs de visas et de vraies photos de passage de frontière, ils n'ont pas utilisé de vraies images de visages masqués. Par souci de commodité, les chercheurs du NIST ont plutôt appliqué des masques de façon numérique pour assurer la cohérence de l'échantillon. En conséquence, « nous n'avons pas été en mesure de procéder à une simulation exhaustive des variations infinies de couleur, de design, de forme, de texture, de bandes et de manières de porter les masques », note le rapport. Le masque numérique était un masque chirurgical bleu couvrant toute la largeur du visage, mais les testeurs ont noté que les performances variaient considérablement en fonction de la hauteur du masque sur le visage.
Les États-Unis utilisent la reconnaissance faciale aux frontières terrestres et aériennes, en comparant les voyageurs avec leur visa ou leur photo de passeport dans le cadre du programme de sortie biométrique. Les données du NIST sont recueillies auprès des détenteurs de visas, qui ont peu de droits sur les informations biométriques collectées au cours du processus d'immigration.
Source : NIST (1, 2)
Et vous ?
:fleche: Que pensez-vous des conclusions du rapport de NIST ? Les trouvez-vous plausibles ?
Voir aussi :
:fleche: Le taux d'erreurs des algorithmes de reconnaissance faciale conçus pour détecter le contour des masques faciaux a augmenté, selon une étude de l'Institut US des normes et de la technologie
:fleche: Les masques battent la plupart des algorithmes de reconnaissance faciale, la précision se dégradant avec une couverture plus importante du nez, selon une étude de NIST
:fleche: Le port d'un masque n'empêchera plus la reconnaissance faciale, le coronavirus ayant incité les sociétés à développer des solutions pour les personnes dont le visage est partiellement couvert
:fleche: L'utilisation de la reconnaissance faciale par la police viole les droits de l'homme, selon un tribunal britannique. Cependant, la Cour n'a pas complètement interdit l'utilisation de la technologie
:fleche: Reconnaissance faciale : le chef de la police de Detroit admet un taux d'erreur de 96 %, la police de Detroit croule sous les critiques pour une arrestation par erreur en usant de cette technologie
