DeepFace — это система распознавания лиц с глубоким обучением , созданная исследовательской группой Facebook . Он идентифицирует человеческие лица на цифровых изображениях. Программа использует девятислойную нейронную сеть с более чем 120 миллионами весов соединений и была обучена на четырех миллионах изображений, загруженных пользователями Facebook. [1] [2] Исследовательская группа Facebook заявила, что метод DeepFace достигает точности 97,35% ± 0,25% на наборе данных «Размеченные лица в дикой природе» (LFW), где у людей точность составляет 97,53%. [3] Это означает, что DeepFace иногда более успешен, чем люди. В результате растущего общественного беспокойства Meta объявила [4] , что планирует отключить систему распознавания лиц Facebook, удалив данные сканирования лиц более чем одного миллиарда пользователей. [5] Это изменение станет одним из крупнейших сдвигов в использовании распознавания лиц в истории технологии. Facebook планировал удалить к декабрю 2021 года более миллиарда шаблонов распознавания лиц, представляющих собой цифровые сканы черт лица. Однако компания не планировала устранять DeepFace — программное обеспечение, обеспечивающее работу системы распознавания лиц. По словам представителя Meta, компания также не исключает включения технологии распознавания лиц в будущие продукты. [5]
DeepFace был создан группой ученых из исследовательской группы Facebook по искусственному интеллекту . В команду входят Яйнив Тайгман и ученый-исследователь Facebook Минг Ян. К ним также присоединился Лиор Вольф, преподаватель Тель-Авивского университета . Янив Тайгман пришел в Facebook, когда Facebook приобрел Face.com в 2012 году.
Facebook начал предоставлять DeepFace своим пользователям в начале 2015 года и постоянно расширяет возможности использования и программное обеспечение DeepFace. [6] DeepFace, по словам директора по исследованиям искусственного интеллекта Facebook , не предназначен для вторжения в личную жизнь. Вместо этого DeepFace предупреждает людей, когда их лицо появляется на любой фотографии, опубликованной в Facebook. Получив это уведомление, они смогут удалить свое лицо с фотографии. [6]
Когда технология DeepFace была первоначально развернута, у пользователей была возможность отключить DeepFace. Однако их не уведомили о том, что это произошло. [7] Из-за этого DeepFace не был выпущен в Евросоюзе . Закон ЕС о конфиденциальности данных утверждает, что распознавание лиц Facebook не соответствует законам ЕС о защите данных. Поскольку пользователи не дают согласия на любое использование их биометрических данных, это не соответствует требованиям. [8]
Системы DeepFace могут идентифицировать лица с точностью 97%, почти с той же точностью, что и человек в том же положении. Распознавание лиц Facebook более эффективно, чем технология ФБР , точность которой составляет 85%. [9] Технология Google , FaceNet , более успешна, чем DeepFace, используя те же наборы данных. FaceNet установил рекорд точности — 99,63%. FaceNet Google включает данные из Google Photos . [10]
Facebook использует отдельные шаблоны распознавания лиц, чтобы находить фотографии, на которых изображен человек, чтобы они могли просмотреть, заинтересовать или поделиться контентом. DeepFace защищает людей от выдачи себя за другое лицо или кражи личных данных . Возьмем, к примеру, случай, когда человек использовал чью-то фотографию профиля как свою собственную. С помощью DeepFace Facebook может идентифицировать и предупредить человека, чья информация используется не по назначению. [11] Чтобы гарантировать, что люди могут контролировать распознавание лиц, Facebook не делится шаблонами лиц. Кроме того, Facebook удалит изображения из шаблонов распознавания лиц, если кто-то удалил свою учетную запись или снял свою пометку с фотографии. У людей также есть возможность отключить распознавание лиц на Facebook. Если эта функция отключена, Facebook прекратит распознавание лиц этого человека.
После выпуска DeepFace в 2015 году его использование осталось на прежнем уровне. Поскольку все больше людей загружают изображения в Facebook, алгоритм стал более точным. DeepFace от Facebook — это самый большой набор данных для распознавания лиц, который существует в настоящее время. Из-за этого некоторые люди утверждают, что база данных идентификации лиц Facebook может быть передана правительственным учреждениям. [12] Однако такое использование запрещено большинством законов о конфиденциальности данных. В ответ на проблемы конфиденциальности Facebook удалил функцию автоматического распознавания лиц, позволяющую людям включать теги через DeepFace. Это изменение было реализовано в 2019 году.
Система DeepFace состоит из четырех модулей: 2D-выравнивание, 3D-выравнивание, фронтализация и нейронная сеть. Через них последовательно проходит изображение лица, в результате чего получается 4096-мерный вектор признаков , представляющий лицо. Вектор признаков затем может быть дополнительно обработан для решения множества различных задач. Например, чтобы идентифицировать лицо, можно сравнить его со списком векторов признаков известных лиц и идентифицировать лицо с наиболее похожим вектором признаков.
DeepFace использует детекторы реперных точек на основе существующих баз данных для выравнивания лиц. Выравнивание лица начинается с двухмерного выравнивания, а затем продолжается трехмерным выравниванием и фронтализацией. То есть процесс DeepFace состоит из двух этапов. Во-первых, он корректирует углы изображения так, чтобы лицо на фотографии смотрело вперед. Для этого он использует 3D-модель лица. [13]
Модуль 2D-выравнивания определяет 6 контрольных точек на обнаруженном лице — центр глаз, кончик носа и расположение рта. Эти точки преобразуются в искаженное изображение, чтобы помочь распознать лицо. Однако 2D-преобразование не может компенсировать неуместные повороты.
Для выравнивания лиц DeepFace использует общую 3D-модель, в которой 2D-изображения обрезаются до 3D-версий. Трехмерное изображение имеет 67 опорных точек. После того, как изображение было деформировано, на него вручную помещается 67 опорных точек, соответствующих 67 контрольным точкам. Затем устанавливается камера преобразования 3D в 2D, которая минимизирует потери. Поскольку 3D-обнаруженные точки на контуре лица могут быть неточными, этот шаг важен.
Поскольку полноперспективные проекции не моделируются, установленная камера представляет собой лишь приближение реального лица человека. Чтобы уменьшить количество ошибок, DeepFace стремится деформировать 2D-изображения с меньшими искажениями. Кроме того, камера P способна заменять части изображения и смешивать их с симметричными аналогами.
Нейронная сеть представляет собой последовательность слоев, расположенных следующим образом: сверточный слой – максимальный пул – сверточный слой – 3 локально связанных слоя – полносвязный слой.
Входные данные представляют собой RGB-изображение лица, масштабированное до разрешения , а выходные данные — действительный вектор размерности 4096, являющийся вектором признаков изображения лица.
В статье 2014 года [13] в конце добавлен дополнительный полностью связный слой, чтобы классифицировать изображение лица как одного из 4030 возможных людей, которых сеть видела во время обучения.
Исследователь искусственного интеллекта Бен Герцель сказал, что Facebook «довольно убедительно решил проблему распознавания лиц» с помощью этого проекта, но сказал, что было бы неправильно заключить, что глубокое обучение — это полное решение проблемы искусственного интеллекта.
Нирадж Кумар , исследователь из Вашингтонского университета, сказал, что DeepFace от Facebook показывает, как большие наборы внешних данных могут привести к созданию модели «более высокой емкости». Из-за широкого доступа Facebook к изображениям людей их программное обеспечение для распознавания лиц может работать лучше, чем другое программное обеспечение, с гораздо меньшими наборами данных. [14] [15]
В статье Huffington Post названа технология «жуткой», ссылаясь на проблемы конфиденциальности данных , и отмечается, что некоторые европейские правительства уже потребовали от Facebook удалить данные распознавания лиц. [16] По данным Broadcasting & Cable , Центр цифровой демократии пригласил Facebook и Google принять участие в «встрече заинтересованных сторон» Национального управления по телекоммуникациям и информации в 2014 году , чтобы помочь разработать Билль о правах потребителей на конфиденциальность , но они оба отказались. Broadcasting & Cable также отметила, что Facebook не публиковал никаких заявлений в прессе относительно DeepFace, хотя их исследовательская работа была опубликована ранее в этом месяце. Slate заявил, что Facebook не рекламирует DeepFace, потому что опасается очередного раунда заголовков, осуждающих жуткость DeepFace.
Многие люди боятся технологии распознавания лиц. [17] [18] Почти идеальная точность этой технологии позволяет компаниям социальных сетей создавать цифровые профили миллионов американцев. [19] Однако страх человека перед распознаванием лиц и другими проблемами конфиденциальности не соответствует снижению использования социальных сетей. Вместо этого отношение к конфиденциальности и настройкам конфиденциальности не оказывают большого влияния на намерение человека использовать приложения Facebook. [20] [21] [22] Поскольку Facebook — это сайт социальной сети, индивидуальные страхи по поводу конфиденциальности перевешиваются желанием участвовать в социальных сетях. [23]
Пользователи Facebook подали коллективный иск против Facebook в соответствии с Законом штата Иллинойс о конфиденциальности биометрической информации (BIPA). [24] В Иллинойсе имеется наиболее полное законодательство о конфиденциальности биометрических данных, регулирующее сбор биометрической информации коммерческими организациями. [25] BIPA штата Иллинойс требует от корпорации, которая получает биометрическую информацию человека, получить письменное разрешение, уведомить ее о том, что ее информация собирается, и указать продолжительность сбора информации. В иске, поданном против DeepFace, утверждается, что сбор Facebook идентификационной информации о лице для использования инструмента подсказки тегов нарушает BIPA. [26] Поскольку Facebook не уведомляет и не дает согласия лицам, когда они используют этот инструмент, пользователи Facebook утверждают, что это нарушает BIPA. [27] Девятый округ отклонил ходатайство Facebook о прекращении дела и в конечном итоге утвердил дело. Facebook пытался обжаловать решение Девятого округа, которое в конечном итоге было удовлетворено. Facebook утверждает, что дело не должно было быть проверено, поскольку истцы не заявляют о каком-либо вреде, кроме нарушения Facebook BIPA. Facebook удалил функцию автоматического распознавания лиц в 2019 году в ответ на опасения, высказанные в иске. [28] Facebook предложил выплатить по этому делу компенсацию в размере 550 миллионов долларов, но оно было отклонено. Когда Facebook увеличил сумму компенсации до 650 миллионов долларов, суд принял ее. Facebook было приказано выплатить компенсацию в размере 650 миллионов долларов в начале марта 2021 года. 1,6 миллиона жителей Иллинойса получат не менее 345 долларов. [29]
В июле 2020 года Facebook объявил, что создает команды, которые будут изучать расизм в своих алгоритмах. [30] Команды Facebook будут работать с командой ответственного ИИ Facebook, чтобы изучить предвзятость в их системах. Реализация этих программ началась недавно, и пока неясно, какие реформы будут проведены. [31]
В 2019 году в Facebook стал вирусным конкурс, в котором пользователям предлагалось опубликовать фотографию 10-летней давности и фотографию 2019 года. Задача получила название «Вызов 10 лет». В челлендже приняли участие более 5 миллионов человек, в том числе многие знаменитости. Возникло беспокойство по поводу того, что 10-летний конкурс Facebook был разработан для обучения базы данных Facebook по распознаванию лиц. Кейт О'Нил, автор журнала Wired , написала статью, в которой повторила эту возможность. [32] Facebook отрицает свою причастность к созданию проблемы. [33] Однако отдельные лица утверждают, что опасения, которые подчеркивают теории вокруг 10-летней проблемы, перекликаются с более широкими опасениями по поводу Facebook и права на неприкосновенность частной жизни. [34]
Алгоритмы распознавания лиц не всегда успешны. [35] Хотя в некоторых случаях алгоритмы способны классифицировать лица с точностью более 90%, точность ниже, когда алгоритмы применяются к женщинам, чернокожим людям и молодым людям. [36] Системы ошибочно идентифицируют лица чернокожих и азиатов в 10–100 раз чаще, чем белые лица. [37] Поскольку алгоритмы в основном обучаются на белых мужчинах, таким системам, как DeepFace, сложнее их идентифицировать. [38] Предполагается, что как только базы данных распознавания лиц будут обучены идентифицировать цветных людей, показывая им более разнообразные лица, они будут более успешны в идентификации. [39]
{{cite journal}}
: Требуется цитировать журнал |journal=
( помощь ){{cite web}}
: |first=
имеет общее имя ( справка ){{cite web}}
: Отсутствует или пусто |title=
( помощь )