मुख्य तथ्य
- चेहरे की पहचान करने वाले एल्गोरिदम चेहरे को मास्क लगाकर पढ़ने में बेहतर हो रहे हैं।
- एक नया अध्ययन सीमाओं को दिखाता है कि कैसे एक एल्गोरिथ्म एक फेस मास्क को पढ़ सकता है, जैसे कि मास्क का रंग और आकार।
- विशेषज्ञों का कहना है कि फेशियल रिकग्निशन इंडस्ट्री अपने एल्गोरिदम में फेस मास्क को शामिल करने के लिए सक्रिय रूप से काम कर रही है।
कई उद्योगों को महामारी से तालमेल बिठाने की जरूरत है, जिसमें फेशियल रिकग्निशन इंडस्ट्री भी शामिल है। विशेषज्ञों का कहना है कि फेस मास्क पहनने वाले लोगों को पहचानने में तकनीक धीरे-धीरे बेहतर हो रही है।
नेशनल इंस्टीट्यूट ऑफ स्टैंडर्ड एंड टेक्नोलॉजी (NIST) द्वारा प्रकाशित एक नई रिपोर्ट में COVID-19 महामारी की शुरुआत के बाद बनाए गए 65 नए फेशियल रिकग्निशन एल्गोरिदम के परिणाम दिखाए गए हैं, साथ ही 87 एल्गोरिदम ने पूर्व-महामारी प्रस्तुत की है। रिपोर्ट से पता चला है कि सॉफ्टवेयर डेवलपर्स ऐसे एल्गोरिदम विकसित करने में बेहतर हो रहे हैं जो नकाबपोश चेहरों को पहचानते हैं, यहां तक कि नियमित चेहरे की पहचान एल्गोरिदम के रूप में सटीक हो रहे हैं।
"जबकि कुछ पूर्व-महामारी एल्गोरिदम अभी भी नकाबपोश तस्वीरों पर सबसे सटीक हैं, कुछ डेवलपर्स ने महामारी के बाद एल्गोरिदम को काफी बेहतर सटीकता दिखाते हुए प्रस्तुत किया है और अब हमारे परीक्षण में सबसे सटीक हैं," रिपोर्ट में लिखा है.
अध्ययन में क्या मिला
यह अध्ययन एनआईएसटी द्वारा किया गया अपनी तरह का दूसरा समान डेटासेट था जो चेहरे की पहचान एल्गोरिदम और फेस मास्क की उपस्थिति में उनकी सटीकता का परीक्षण करने के लिए था। रिपोर्ट के लेखकों ने इन छवियों के लिए 6.2 मिलियन फ़ोटो और विभिन्न डिजिटल मास्क संयोजनों के अनुप्रयुक्त सिमुलेशन का उपयोग किया।
रिपोर्ट के सह-लेखक और एनआईएसटी में कंप्यूटर वैज्ञानिक मेई नगन ने एक फोन साक्षात्कार में लाइफवायर को बताया कि फेस मास्क की उपस्थिति ने अनिवार्य रूप से चेहरे की पहचान तकनीक को लगभग दो से तीन साल पीछे ले लिया है।
"त्रुटि दर 2.5% और 5% के बीच कहीं भी हैं - जहां 2017 में अत्याधुनिक तकनीक थी, उससे तुलना की जा सकती है," उसने कहा।
जुलाई में प्रकाशित NIST की एक पिछली रिपोर्ट में विश्व स्वास्थ्य संगठन द्वारा वैश्विक महामारी घोषित करने से पहले मार्च 2020 से पहले प्रस्तुत किए गए चेहरे की पहचान एल्गोरिदम के प्रदर्शन को देखा गया था। इस पहले अध्ययन में इन पूर्व-महामारी एल्गोरिदम की त्रुटि दर 5% और 50% के बीच पाई गई।
भले ही ये एल्गोरिदम नकाबपोश चेहरों को पढ़ने में बेहतर हो रहे हों, हाल के अध्ययन में पाया गया कि कुछ कारक त्रुटि दर को प्रभावित करते हैं, जैसे कि मुखौटा रंग (लाल या काले जैसे गहरे रंग के मुखौटे में त्रुटि दर अधिक होती है) और कैसे मुखौटा आकार दिया गया है (राउंडर मास्क आकृतियों में त्रुटि दर कम होती है)।
नगन ने कहा कि एल्गोरिदम किसी के चेहरे के दृश्य भाग का उपयोग करता है, जैसे कि आंखों और माथे के आसपास का क्षेत्र, चेहरे की विशेषताओं को पहचानने के लिए, न कि मास्क के माध्यम से पढ़ने के लिए।
चेहरे की पहचान और फेस मास्क का भविष्य
Ngan ने कहा कि यह स्पष्ट है कि जब फेस मास्क की बात आती है तो डेवलपर्स ने अपने चेहरे की पहचान एल्गोरिदम के साथ महत्वपूर्ण सुधार किए हैं।
"फेस मास्क पहनने की बाधाओं के तहत काम करने के लिए चेहरे की पहचान प्रणाली की स्पष्ट रूप से आवश्यकता है," उसने कहा। "हम जो काम कर रहे हैं और हमारे हालिया अध्ययन के परिणामों को देखते हुए, हम देख रहे हैं कि चेहरे की पहचान उद्योग अपने एल्गोरिदम में फेस मास्क को शामिल करने के लिए सक्रिय रूप से काम कर रहा है।"
चूंकि तकनीक में सुधार हो रहा है, इसका मतलब है कि फेस मास्क पहनकर अपने फोन को अनलॉक करना जैसे काम करना आसान हो जाएगा, लेकिन जब चेहरे की पहचान की बात आती है तो इस तरह से आगे बढ़ने के अन्य निहितार्थ भी होते हैं।
कई अध्ययनों से पता चलता है कि चेहरे की पहचान को गलत व्यक्ति की गलत पहचान और नस्लीय पूर्वाग्रह रखने के लिए व्यापक रूप से सूचित किया जाता है। NIST द्वारा 2019 के एक अध्ययन में पाया गया कि चेहरे की पहचान तकनीक श्वेत लोगों की तुलना में काले और एशियाई लोगों की 100 गुना अधिक गलत पहचान करती है।
भले ही फेस मास्क पढ़ने में तकनीक बेहतर हो रही हो, त्रुटि प्रतिशत-चाहे कितना भी छोटा क्यों न हो- अभी भी फेस मास्क पहनने वाले व्यक्ति की गलत पहचान के लिए एक चिंता का विषय हो सकता है।
जबकि सबसे हालिया एनआईएसटी रिपोर्ट से पता चलता है कि फेस मास्क कार्य को संभालने में एल्गोरिदम बेहतर हो रहे हैं, नगन ने कहा कि केवल समय ही बताएगा कि क्या यह वास्तव में वह जगह है जहां चेहरे की पहचान का भविष्य महामारी के समय में जा रहा है।
"हो सकता है कि हम आगे त्रुटि में कमी की उम्मीद कर सकते हैं, या हो सकता है कि डेवलपर्स को अनमास्क क्षेत्र में अद्वितीय जानकारी की मात्रा की सीमाएं मिलें," नगन ने कहा।
