चेहरा पहचान प्रणाली की सच्चाई और झूठ

शायद आज कोई अन्य तकनीक नहीं है जिसके चारों ओर इतने सारे मिथक, झूठ और अक्षमता होगी। पत्रकार जो प्रौद्योगिकी झूठ के बारे में बात करते हैं, जो राजनेता सफल कार्यान्वयन झूठ के बारे में बात करते हैं, अधिकांश प्रौद्योगिकी विक्रेता झूठ बोलते हैं। हर महीने, मैं उन परिणामों को देखता हूं कि कैसे लोग उन प्रणालियों में चेहरे की पहचान को लागू करने का प्रयास करते हैं जो इसके साथ काम नहीं कर सकते हैं।



इस लेख का विषय बहुत समय पहले दर्दनाक हो गया था, लेकिन इसे लिखने के लिए किसी तरह बहुत आलसी था। बहुत सारा पाठ जो मैंने पहले ही बीस बार अलग-अलग लोगों को दोहराया है। लेकिन, कचरे के अगले पैक को पढ़ने के बाद, मैंने फिर भी फैसला किया कि यह समय था। मैं इस लेख का लिंक दूंगा।

So. लेख में मैं कुछ सरल सवालों के जवाब दूंगा:

• क्या आपको सड़क पर पहचानना संभव है? और कैसे स्वचालित / विश्वसनीय?
• कल से एक दिन पहले उन्होंने लिखा था कि मास्को मेट्रो में अपराधियों को हिरासत में लिया जा रहा था, और कल उन्होंने लिखा कि वे लंदन में नहीं रह सकते । और चीन में भी वे हर किसी को, सड़क पर सभी को पहचानते हैं । और यहां वे कहते हैं कि 28 अमेरिकी कांग्रेसी अपराधी हैं। या, उन्होंने एक चोर को पकड़ लिया ।
• अब कौन चेहरे की पहचान समाधान जारी कर रहा है, समाधान, प्रौद्योगिकी सुविधाओं के बीच क्या अंतर है?

अधिकांश उत्तर साक्ष्य-आधारित होंगे, अनुसंधान की एक कड़ी के साथ जहां एल्गोरिदम के महत्वपूर्ण पैरामीटर + गणना के गणित के साथ दिखाए जाते हैं। एक छोटा सा हिस्सा विभिन्न बायोमेट्रिक सिस्टम के कार्यान्वयन और संचालन के अनुभव पर आधारित होगा।

मैं इस बात के विवरण में नहीं जाऊंगा कि चेहरे की पहचान कैसे लागू की जाती है। Habré पर इस विषय पर कई अच्छे लेख हैं: a , b , c (उनमें से बहुत कुछ है, ज़ाहिर है, ये मेमोरी में पॉप अप होते हैं)। लेकिन फिर भी, कुछ बिंदु जो विभिन्न निर्णयों को प्रभावित करते हैं - मैं वर्णन करूंगा। इसलिए ऊपर दिए गए कम से कम एक लेख को पढ़ने से इस लेख की समझ आसान हो जाएगी। चलो शुरू हो जाओ!

परिचय, आधार

बायोमेट्रिक्स एक सटीक विज्ञान है। "हमेशा काम करता है" और "आदर्श" वाक्यांशों के लिए कोई जगह नहीं है। सब कुछ बहुत अच्छी तरह से माना जाता है। और गणना करने के लिए आपको केवल दो मात्राओं को जानना होगा:

• पहली तरह की त्रुटियां - एक ऐसी स्थिति जब कोई व्यक्ति हमारे डेटाबेस में नहीं होता है, लेकिन हम उसे डेटाबेस में मौजूद व्यक्ति (बायोमेट्रिक्स एफएआर (झूठी पहुंच दर) के रूप में पहचानते हैं)
• दूसरी तरह की त्रुटियां - परिस्थितियां जब कोई व्यक्ति डेटाबेस में होता है, लेकिन हम उससे चूक गए। (बायोमेट्रिक्स FRR (झूठी अस्वीकार दर))

इन त्रुटियों में कई सुविधाएँ और अनुप्रयोग मानदंड हो सकते हैं। हम उनके बारे में नीचे बात करेंगे। इस बीच, मैं आपको बताऊंगा कि उन्हें कहाँ प्राप्त करना है।

की विशेषताओं

पहला विकल्प । एक बार, निर्माताओं ने स्वयं त्रुटियों को प्रकाशित किया। लेकिन यहां बात यह है: आप निर्माता पर भरोसा नहीं कर सकते। किन परिस्थितियों में और कैसे उन्होंने इन त्रुटियों को मापा - कोई नहीं जानता। और क्या सभी में मापा जाता है, या विपणन विभाग आकर्षित किया है।

दूसरा विकल्प। खुले आधार दिखाई दिए। निर्माताओं ने ठिकानों पर त्रुटियों का संकेत देना शुरू कर दिया। एल्गोरिथ्म को अच्छी तरह से ज्ञात डेटाबेस के लिए तेज किया जा सकता है, ताकि वे उनके लिए भयानक गुणवत्ता दिखाएं। लेकिन वास्तव में, ऐसा एल्गोरिथ्म काम नहीं कर सकता है।

तीसरा विकल्प एक खुले समाधान के साथ खुला प्रतियोगिता है। आयोजक निर्णय की जाँच करता है। अनिवार्य रूप से कटघरा। इनमें से सबसे प्रसिद्ध है मेगाफेस । इस प्रतियोगिता में पहले स्थानों ने एक बार बहुत लोकप्रियता और प्रसिद्धि दी। उदाहरण के लिए, N-Tech और Vocord ने बड़े पैमाने पर MegaFace पर अपने लिए एक नाम बनाया है।

सब कुछ ठीक होगा, लेकिन ईमानदारी से। आप यहाँ समाधान को अनुकूलित कर सकते हैं। यह बहुत कठिन है, लंबा है। लेकिन आप लोगों की गणना कर सकते हैं, आप मैन्युअल रूप से आधार को चिह्नित कर सकते हैं, आदि। और सबसे महत्वपूर्ण बात - इसका वास्तविक डेटा पर सिस्टम कैसे काम करेगा, इससे कोई लेना-देना नहीं है। आप देख सकते हैं कि अब मेगाफेस पर कौन नेता है, और फिर अगले पैराग्राफ में इन लोगों के समाधान की तलाश करें।
चौथा विकल्प । आज तक, सबसे ईमानदार। मुझे नहीं पता कि वहां कैसे धोखा हुआ। हालांकि मैं उन्हें बाहर नहीं करता।

एक बड़ा और विश्व प्रसिद्ध संस्थान एक स्वतंत्र समाधान परीक्षण प्रणाली को तैनात करने के लिए सहमत है। एक एसडीके निर्माताओं से प्राप्त होता है, जो बंद परीक्षण के अधीन होता है, जिसमें निर्माता भाग नहीं लेता है। परीक्षण के कई पैरामीटर हैं, जो तब आधिकारिक तौर पर प्रकाशित होते हैं।

अब ऐसा परीक्षण NIST - अमेरिकन नेशनल इंस्टीट्यूट ऑफ स्टैंडर्ड्स एंड टेक्नॉलॉजी द्वारा किया गया है। इस तरह का परीक्षण सबसे ईमानदार और दिलचस्प है।

मुझे कहना होगा कि NIST बहुत अच्छा काम करता है। उन्होंने पांच मामलों को विकसित किया, हर महीने कुछ नए अपडेट जारी किए, लगातार सुधार किए और नए निर्माताओं को शामिल किया। यहां आप अध्ययन के नवीनतम अंक पा सकते हैं।

ऐसा लगता है कि यह विकल्प विश्लेषण के लिए आदर्श है। लेकिन नहीं! इस दृष्टिकोण का मुख्य नुकसान यह है कि हमें पता नहीं है कि डेटाबेस में क्या है। इस चार्ट को यहां देखें:



यह दो कंपनियों का डेटा है जिसके लिए परीक्षण किया गया था। एक्स अक्ष माह है, y त्रुटियों का प्रतिशत है। मैंने परीक्षण "जंगली चेहरे" (विवरण के ठीक नीचे) लिया।

दो स्वतंत्र कंपनियों में 10 गुना तक सटीकता में अचानक वृद्धि हुई (सामान्य तौर पर, सभी ने वहां से भाग लिया)। कहाँ से?

NIST लॉग का कहना है कि "डेटाबेस बहुत जटिल था, हमने इसे सरल बना दिया।" और पुराने आधार या नए का कोई उदाहरण नहीं है। मेरी राय में यह एक गंभीर गलती है। यह पुराने आधार पर था कि विक्रेता एल्गोरिदम के बीच अंतर दिखाई दे रहा था। नए सभी 4-8% पास पर। और पुराने पर यह 29-90% था। सीसीटीवी सिस्टम पर चेहरे की पहचान के साथ मेरा संचार कहता है कि 30% पहले - यह ग्रैंडमास्टर एल्गोरिदम का वास्तविक परिणाम था। ऐसी तस्वीरों से पहचानना मुश्किल है:



और निश्चित रूप से, 4% सटीकता उन पर नहीं चमकती है। लेकिन NIST आधार को देखे बिना इस तरह के बयान देना 100% असंभव है। लेकिन यह NIST है जो मुख्य स्वतंत्र डेटा स्रोत है।

लेख में, मैं जुलाई 2018 के लिए प्रासंगिक स्थिति का वर्णन करता हूं। उसी समय, मैं "जंगली में चेहरे" कार्य से संबंधित परीक्षणों के लिए व्यक्तियों के पुराने डेटाबेस के अनुसार, सटीकता पर भरोसा करता हूं।

यह संभव है कि आधे साल में सब कुछ पूरी तरह से बदल जाएगा। या हो सकता है कि यह अगले दस वर्षों में स्थिर हो जाए।

इसलिए, हमें इस तालिका की आवश्यकता है:


(अप्रैल २०१ is, क्योंकि जंगली यहाँ पर्याप्त है)

आइए देखें कि इसमें क्या लिखा गया है और इसे कैसे मापा जाता है।

ऊपर प्रयोगों की एक सूची है। प्रयोग में निम्न शामिल हैं:

जिस पर सेट मापा जा रहा है। सेट हैं:

• पासपोर्ट फोटो (आदर्श, ललाट)। पृष्ठभूमि सफेद, आदर्श शूटिंग सिस्टम है। यह कभी-कभी चौकी पर पाया जा सकता है, लेकिन बहुत कम ही। आमतौर पर इस तरह के कार्यों को आधार के साथ हवाई अड्डे पर एक व्यक्ति की तुलना होती है।
  
  
• फोटोग्राफी एक अच्छी प्रणाली है, लेकिन उच्च गुणवत्ता के बिना। पृष्ठभूमि पृष्ठभूमि हैं, एक व्यक्ति समान रूप से खड़ा नहीं हो सकता है / कैमरा अतीत को देख सकता है, आदि।
  
• स्मार्टफोन / कंप्यूटर कैमरा से सेल्फी जब उपयोगकर्ता सहयोग करता है, लेकिन शूटिंग की स्थिति खराब होती है। दो उपसमुच्चय हैं, लेकिन उनके पास केवल सेल्फी में बहुत सारे फोटो हैं।
  
• "जंगली में चेहरे" - लगभग किसी भी तरफ से शूटिंग / छिपी हुई शूटिंग। कैमरे के लिए चेहरे के रोटेशन के अधिकतम कोण 90 डिग्री हैं। यह वह जगह है जहाँ NIST ने आधार को बहुत सरल बनाया है।
  
• बच्चे। सभी एल्गोरिदम बच्चों के लिए खराब काम करते हैं।

इसके अलावा, पहली तरह की त्रुटियों को किस स्तर पर मापा जाता है (यह पैरामीटर केवल पासपोर्ट फोटो के लिए माना जाता है):

• 10 ^ -4 - आधार के साथ 10 हजार तुलना के लिए एफएआर (पहली तरह का एक गलत सकारात्मक)
• 10 ^ -6 - एफएआर (पहली तरह का एक झूठा सकारात्मक) आधार के साथ प्रति मिलियन तुलना

प्रयोग का परिणाम FRR मान है। संभावना है कि हम उस व्यक्ति को याद करते हैं जो डेटाबेस में है।

और पहले से ही यहां चौकस पाठक पहले दिलचस्प बिंदु को नोटिस कर सकता था। "FAR 10 ^ -4 का क्या अर्थ है?" और यह सबसे दिलचस्प क्षण है!

मुख्य सेटअप

व्यवहार में ऐसी गलती का क्या मतलब है? इसका मतलब है कि 10,000 लोगों के आधार पर उस पर किसी भी औसत व्यक्ति की जांच करते समय एक गलत संयोग होगा। यही है, अगर हमारे पास 1000 अपराधियों का आधार है, और हम इसकी तुलना एक दिन में 10,000 लोगों से करते हैं, तो हमारे पास औसतन 1000 झूठे सकारात्मक होंगे। क्या किसी को वास्तव में इसकी आवश्यकता है?

वास्तव में, सब कुछ इतना बुरा नहीं है।

यदि आप दूसरी तरह की त्रुटि पर पहली तरह की त्रुटि की निर्भरता का ग्राफ बनाते हुए देखते हैं, तो आपको ऐसी शांत तस्वीर मिलती है (यहां एक दर्जन अलग-अलग कंपनियों के लिए, वाइल्ड विकल्प के लिए, यह वही है जो मेट्रो स्टेशन पर होगा, अगर आप कहीं कैमरा लगाते हैं ताकि लोग इसे न देखें) :



10 ^ -4 त्रुटि के साथ, गैर-मान्यता प्राप्त लोगों का 27%। 10 ^ -5 लगभग 40%। सबसे अधिक संभावना 10 ^ -6 की हानि लगभग 50% होगी

तो वास्तविक संख्याओं में इसका क्या मतलब है?

"एक दिन में कितनी गलतियाँ हो सकती हैं" के प्रतिमान से जाना सबसे अच्छा है। हमारे पास स्टेशन पर लोगों की एक धारा है, अगर हर 20-30 मिनट में सिस्टम एक झूठी सकारात्मक देता है, तो कोई भी इसे गंभीरता से नहीं लेगा। हम मेट्रो स्टेशन पर एक दिन में 10 लोगों की झूठी सकारात्मक संख्या को ठीक कर देते हैं (यदि यह अच्छा है कि सिस्टम को कष्टप्रद के रूप में बंद नहीं किया गया है, तो आपको और भी कम चाहिए)। मास्को मेट्रो के प्रति दिन 20-120 हजार यात्रियों के एक स्टेशन का प्रवाह। औसत 60 हजार है।

FAR का निश्चित मान 10 ^ -6 है (आप इसे नीचे नहीं डाल सकते, अगर हम आशावादी हैं तो हम 50% अपराधियों को खो देंगे)। इसका मतलब है कि हम 160 लोगों के आधार आकार के साथ 10 झूठे अलार्म की अनुमति दे सकते हैं।

यह बहुत है या थोड़ा है? संघीय वांछित सूची में आधार का आकार ~ 300,000 लोग हैं । इंटरपोल 35 हजार। यह मान लेना तर्कसंगत है कि लगभग 30 हज़ार मस्कॉवेट्स चाहते हैं।

यह झूठे अलार्म की एक अवास्तविक संख्या देगा।

यह ध्यान देने योग्य है कि अगर सिस्टम ऑन-लाइन काम करता है तो 160 लोग पर्याप्त आधार हो सकते हैं। यदि आप उन लोगों की तलाश करते हैं जिन्होंने आखिरी दिन में अपराध किया था - यह पहले से ही काफी काम की मात्रा है। साथ ही काला चश्मा / टोपी आदि पहन कर आप खुद को भटका सकते हैं। लेकिन कितने उन्हें मेट्रो में ले जाते हैं?

दूसरा महत्वपूर्ण बिंदु। मेट्रो में एक प्रणाली बनाना आसान है जो उच्च गुणवत्ता की तस्वीर देती है। उदाहरण के लिए, कैमरे के टर्नस्टाइल के फ्रेम पर रखें। पहले से ही 10 ^ -6 से 50% नुकसान नहीं होगा, लेकिन केवल 2-3%। और 10 ^ -7 5-10% तक। यहां वीज़ा पर ग्राफ से सटीकता, वास्तविक कैमरों पर सब कुछ निश्चित रूप से बहुत खराब होगा, लेकिन मुझे लगता है कि 10 ^ -6 पर आप इस 10% नुकसान को छोड़ सकते हैं:



फिर से, सिस्टम 30 हजार के आधार को नहीं खींचेगा, लेकिन वास्तविक समय में होने वाली हर चीज का पता लगाने की अनुमति होगी।

पहले सवाल

प्रश्नों के पहले भाग का उत्तर देने में समय लगता है:
लिक्सुटोव ने कहा कि 22 वांछित व्यक्तियों की पहचान की गई। क्या यह सच है?

यहां मुख्य प्रश्न यह है कि इन लोगों ने क्या किया, कितने गैर-वांछित व्यक्तियों की जाँच की गई, इन 22 लोगों की हिरासत में चेहरे की पहचान में कितनी मदद मिली।

सबसे अधिक संभावना है, अगर ये लोग हैं जिनके लिए "अवरोधन" की योजना की तलाश थी, तो ये वास्तव में बंदी हैं। और यह एक अच्छा परिणाम है। लेकिन मेरी मामूली धारणाएं मुझे यह कहने की अनुमति देती हैं कि इस परिणाम को प्राप्त करने के लिए, कम से कम 2-3 हजार लोगों की जांच की गई, बल्कि लगभग दस हजार।

यह उन संख्याओं के साथ बहुत अच्छी तरह से धड़कता है जिन्हें लंदन में बुलाया गया था । केवल ये संख्याएँ ईमानदारी से प्रकाशित हैं, क्योंकि लोग विरोध कर रहे हैं । और हम चुप हैं ...

कल हेबेरा पर चेहरे की पहचान पर झूठे चेहरे के लेख पर एक लेख था। लेकिन यह विपरीत दिशा में हेरफेर का एक उदाहरण है। अमेज़ॅन में कभी भी एक अच्छा चेहरा पहचान प्रणाली नहीं थी। प्लस थ्रेसहोल्ड सेट करने का प्रश्न। मैं सेटिंग्स को घुमाकर कम से कम 100% मूंगफली बना सकता हूं;)

चीनी के बारे में, जो सड़क पर सभी को पहचानते हैं - एक स्पष्ट नकली। हालांकि, अगर उन्होंने एक सक्षम ट्रैकिंग की, तो वहां आप कुछ और पर्याप्त विश्लेषण कर सकते हैं। लेकिन, ईमानदार होने के लिए, मुझे विश्वास नहीं है कि अब तक यह प्राप्त करने योग्य है। बल्कि, प्लग का एक सेट।

मेरी सुरक्षा के बारे में क्या? रैली में, सड़क पर?

आगे चलते हैं। आइए एक और पल का मूल्यांकन करें। एक अच्छी तरह से ज्ञात जीवनी वाले व्यक्ति और सामाजिक नेटवर्क में एक अच्छी प्रोफ़ाइल के लिए खोजें।

NIST आमने-सामने की पहचान की जाँच करता है। एक ही / अलग लोगों के दो चेहरे लिए गए हैं और उनकी तुलना में वे एक दूसरे के कितने करीब हैं। यदि निकटता सीमा से अधिक है, तो यह एक व्यक्ति है। यदि आगे - अलग। लेकिन एक अलग दृष्टिकोण है।

यदि आप उन लेखों को पढ़ते हैं जिन्हें मैंने शुरुआत में सलाह दी थी, तो आप जानते हैं कि चेहरे को पहचानते समय, चेहरे का एक हैश कोड उत्पन्न होता है, जो एन-आयामी अंतरिक्ष में अपनी स्थिति प्रदर्शित करता है। आमतौर पर यह 256/512 आयामी स्थान है, हालांकि सभी प्रणालियों के अलग-अलग तरीके हैं।

एक आदर्श चेहरा पहचान प्रणाली उसी कोड में एक ही चेहरे का अनुवाद करती है। लेकिन कोई आदर्श प्रणाली नहीं हैं। एक और एक ही व्यक्ति आमतौर पर अंतरिक्ष के कुछ क्षेत्र पर कब्जा कर लेते हैं। ठीक है, उदाहरण के लिए, यदि कोड दो-आयामी था, तो यह कुछ इस तरह हो सकता है:



यदि हमें NIST द्वारा अपनाई गई विधि द्वारा निर्देशित किया जाता है, तो यह दूरी एक लक्ष्य सीमा होगी ताकि हम किसी व्यक्ति को 95% की संभावना वाले एक और एक ही व्यक्ति के रूप में पहचान सकें:



लेकिन आप अन्यथा कर सकते हैं। प्रत्येक व्यक्ति के लिए, हाइपरस्पेस क्षेत्र को कॉन्फ़िगर करें जहां उसके लिए मान्य मान संग्रहीत हैं:



फिर दहलीज दूरी, सटीकता बनाए रखते हुए, कई बार कम हो जाएगी।
केवल हमें प्रत्येक व्यक्ति के लिए बहुत सारे फोटो चाहिए।

यदि किसी व्यक्ति के पास सामाजिक नेटवर्क पर एक प्रोफ़ाइल है / विभिन्न उम्र के अपने चित्रों का आधार है, तो मान्यता सटीकता बहुत बढ़ सकती है। मुझे नहीं पता कि एफएआर | एफआरआर कैसे बढ़ता है, इसका सही आकलन नहीं है। और ऐसी मात्राओं का मूल्यांकन करना पहले से ही गलत है। इस डेटाबेस में किसी के पास 2 फ़ोटो हैं, किसी के पास 100 हैं। बहुत सारे रैपिंग लॉजिक हैं। यह मुझे लगता है कि अधिकतम रेटिंग एक / डेढ़ ऑर्डर है। यह आपको 20-30% की पहचान नहीं करने की संभावना के साथ त्रुटियों के लिए 10 ^ -7 जोड़ने की अनुमति देता है। लेकिन यह सट्टा और आशावादी है।

सामान्य तौर पर, निश्चित रूप से इस स्थान (आयु चिप्स, छवि संपादक चिप्स, शोर चिप्स, कुशाग्रता चिप्स) के प्रबंधन के साथ कुछ समस्याएं नहीं हैं, लेकिन जैसा कि मैं इसे समझता हूं, उनमें से ज्यादातर पहले से ही बड़ी कंपनियों द्वारा सफलतापूर्वक हल किए गए हैं, जिन्हें समाधान की आवश्यकता थी।

मैं ऐसा क्यों कर रहा हूं। इसके अलावा, प्रोफाइल का उपयोग मान्यता एल्गोरिदम की सटीकता को बढ़ाने के लिए कई बार अनुमति देता है। लेकिन यह पूर्ण से बहुत दूर है। प्रोफाइल को बहुत अधिक मैनुअल काम की आवश्यकता होती है। ऐसे ही कई लोग हैं। लेकिन अगर आप उम्र, स्थान आदि पर प्रतिबंध लगाना शुरू करते हैं, तो यह विधि आपको एक अच्छा समाधान प्राप्त करने की अनुमति देती है। एक उदाहरण के लिए कि उन्हें "फोटो द्वारा प्रोफ़ाइल खोजें" के सिद्धांत पर एक व्यक्ति कैसे मिला -> "एक व्यक्ति की खोज के लिए प्रोफ़ाइल का उपयोग करें" मैंने शुरुआत में एक लिंक दिया।

लेकिन, मेरी राय में, यह एक उच्च मापनीय प्रक्रिया है। और, फिर से, प्रोफाइल में बड़ी संख्या में चित्र वाले लोग, भगवान हमारे देश में 40-50% मना करते हैं। हां, और उनमें से कई बच्चे हैं जिनके लिए सब कुछ खराब काम करता है।

लेकिन, फिर से - यह एक आकलन है।

तो यहाँ है। अपनी सुरक्षा के बारे में। आपके पास जितनी कम प्रोफ़ाइल फ़ोटो हों, उतना बेहतर। आप जितनी बड़ी रैली करेंगे, उतना ही बेहतर होगा। कोई भी व्यक्ति मैन्युअल रूप से 20 हजार तस्वीरों को पार्स नहीं करेगा उन लोगों के लिए जो अपनी सुरक्षा और गोपनीयता की परवाह करते हैं - मैं आपको अपनी तस्वीरों के साथ प्रोफाइल नहीं बनाने की सलाह दूंगा।

100 हज़ार की आबादी वाले शहर में एक रैली में, वे आपको 1-2 मैच देखकर आसानी से मिल जाएंगे। मॉस्को में, वे थोड़ा अटक जाते हैं। लगभग डेढ़ साल पहले, वासुत्तका , जिसके साथ हम काम करते हैं, ने इस विषय पर बात की:

वैसे, सामाजिक नेटवर्क के बारे में

फिर मैं अपने आप को एक छोटा सा भ्रमण करने की अनुमति देता हूं। चेहरा पहचान एल्गोरिथ्म के लिए प्रशिक्षण की गुणवत्ता तीन कारकों पर निर्भर करती है:

1. चेहरे की गुणवत्ता।
2. प्रशिक्षण के दौरान व्यक्तियों की निकटता का उपयोग किया जाता है, ट्रिपल लॉस, सेंटर लॉस, गोलाकार नुकसान आदि।
3. आधार का आकार

दावा 2 के अनुसार, ऐसा लगता है कि सीमा अब पहुंच गई है। सिद्धांत रूप में, गणित ऐसी चीजों पर बहुत जल्दी विकसित होता है। और ट्रिपल लॉस के बाद, बाकी के नुकसान कार्यों ने एक नाटकीय वृद्धि नहीं दी, केवल आधार के आकार में एक सुचारू सुधार और कमी।

यदि आप प्रतिशत के एक अंश को खो चुके हैं, तो आपको सभी कोणों से चेहरे को खोजने की आवश्यकता है, चेहरा निकालना मुश्किल है। लेकिन इस तरह के एक एल्गोरिथ्म का निर्माण एक काफी अनुमानित और अच्छी तरह से प्रबंधित प्रक्रिया है। अधिक नीला सब कुछ है, बेहतर, बड़े कोणों को सही ढंग से संसाधित किया जाता है:



और छह महीने पहले यह इस तरह था:



यह देखा जा सकता है कि अधिक से अधिक कंपनियां धीरे-धीरे इस तरह से आगे बढ़ रही हैं, एल्गोरिदम अधिक से अधिक बदल गए चेहरों को पहचानने लगे हैं।

लेकिन आधार के आकार के साथ - सब कुछ अधिक दिलचस्प है। ओपन बेस छोटे होते हैं। हजारों लोगों में से एक जोड़े के लिए अधिकतम आधार अच्छा है। जो बड़े हैं वे अजीब ढंग से संरचित / खराब हैं ( मेगाफेस , एमएस- सेलेब -1 एम )।

आपको क्या लगता है कि एल्गोरिदम के रचनाकारों को ये डेटाबेस कैसे मिले?

थोड़ा इशारा। पहला NTech उत्पाद जिसे वे वर्तमान में चला रहे हैं, वह है फ़ेस फेस, लोगों के लिए लोगों से संपर्क खोज। मुझे लगता है कि किसी स्पष्टीकरण की आवश्यकता नहीं है। बेशक, बॉट्स से संपर्क करें जो सभी खुले प्रोफाइल को ख़राब करते हैं। लेकिन, जहां तक ​​मैंने सुना, लोग अभी भी कांपते हैं। और सहपाठी। और इंस्टाग्राम।

फेसबुक के साथ ऐसा लगता है - वहां सब कुछ अधिक जटिल है। लेकिन मुझे लगभग यकीन है कि कुछ का भी आविष्कार किया गया था।
तो हां, यदि आपका प्रोफ़ाइल खुला है - आप गर्व कर सकते हैं, इसका उपयोग एल्गोरिदम सीखने के लिए किया गया था;)

समाधान के बारे में और कंपनियों के बारे में

यहां आप गर्व कर सकते हैं। दुनिया की 5 अग्रणी कंपनियों में से दो अब रूसी हैं। ये N-Tech और VisionLabs हैं। डेढ़ साल पहले, NTech और Vocord नेता थे, पूर्व में घुमाए गए चेहरों पर बेहतर काम किया गया था, सामने वाले पर बाद में।

अब बाकी नेताओं - 1-2 चीनी कंपनियों और 1 अमेरिकी, वोकॉर्ड ने रेटिंग में कुछ पारित किया।

अभी भी रूसी itmo, 3divi, intellivision की रैंकिंग में। पर्यायवाची एक बेलारूसी कंपनी है, हालांकि कुछ मॉस्को में एक बार थे, लगभग 3 साल पहले उनका एक ब्लॉग हैबे पर था। मुझे कई समाधानों के बारे में भी पता है कि वे विदेशी कंपनियों के हैं, लेकिन विकास कार्यालय रूस में भी हैं। अभी भी कई रूसी कंपनियाँ हैं जो प्रतिस्पर्धा में नहीं हैं, लेकिन जिनके पास अच्छे समाधान हैं। उदाहरण के लिए, एमडीजी हैं। जाहिर है, Odnoklassniki और Vkontakte भी अपने स्वयं के अच्छे हैं, लेकिन वे आंतरिक उपयोग के लिए हैं।

संक्षेप में, हाँ, हम और चीनी ज्यादातर हमारे चेहरों पर स्थानांतरित हो गए हैं।

सामान्य रूप से NTech दुनिया में पहला था जो एक नए स्तर के अच्छे मापदंडों को प्रदर्शित करता है। 2015 के अंत में कहीं। VisionLabs ने केवल NTech के साथ पकड़ा। 2015 में, वे बाजार के नेता थे। लेकिन उनका समाधान अंतिम पीढ़ी का था, और उन्होंने 2016 के अंत में केवल NTech के साथ पकड़ने की कोशिश शुरू की।

सच कहूं तो, मैं इन दोनों कंपनियों की तरह नहीं हूं। बहुत आक्रामक विपणन। मैंने ऐसे लोगों को देखा जिनके पास स्पष्ट रूप से अनुचित समाधान था जो उनकी समस्याओं का समाधान नहीं करते थे।

इस तरफ, मुझे वोकार्ड बहुत पसंद आया। किसी तरह, उसने उन लोगों को सलाह दी, जिनके लिए वोकॉर्ड ने बहुत ईमानदारी से कहा, "आपका प्रोजेक्ट ऐसे कैमरों और इंस्टॉलेशन पॉइंट्स के साथ काम नहीं करेगा।" NTech और VisionLabs ने खुशी-खुशी बेचने की कोशिश की। लेकिन हाल ही में वोकॉर्ड कुछ गायब हो गया।

निष्कर्ष

निष्कर्ष में मैं निम्नलिखित कहना चाहता हूं।चेहरे की पहचान एक बहुत अच्छा और शक्तिशाली उपकरण है। यह वास्तव में आपको आज अपराधियों को खोजने की अनुमति देता है। लेकिन इसके कार्यान्वयन के लिए सभी मापदंडों का बहुत सटीक विश्लेषण आवश्यक है। ऐसे अनुप्रयोग हैं जहां पर्याप्त OpenSource समाधान हैं। एप्लिकेशन (एक भीड़ में स्टेडियम में मान्यता) हैं जहां आपको केवल विज़नलैब्स स्थापित करने की आवश्यकता है। Ntech, और एक सेवा, विश्लेषण और निर्णय लेने वाली टीम भी रखें। और OpenSource यहाँ आपकी मदद नहीं करेगा।

आज, कोई भी सभी कहानियों पर विश्वास नहीं कर सकता है कि आप सभी अपराधियों को पकड़ सकते हैं, या शहर में सभी को देख सकते हैं। लेकिन यह याद रखना महत्वपूर्ण है कि ऐसी चीजें अपराधियों को पकड़ने में मदद कर सकती हैं। उदाहरण के लिए, मेट्रो में रुकने के लिए हर कोई नहीं, लेकिन केवल वे जिन्हें सिस्टम समान मानता है। स्थिति कैमरे ताकि चेहरे बेहतर पहचाने जाएं और इसके लिए उपयुक्त बुनियादी ढाँचा तैयार किया जा सके। हालांकि, उदाहरण के लिए, मैं इसके खिलाफ हूं। एक त्रुटि की कीमत के लिए यदि आप किसी और के रूप में पहचाने जाते हैं तो बहुत अधिक हो सकता है।