QR code per la pagina originale

Facebook DeepFace riconosce le facce nelle foto

Un software sviluppato da Facebook può verificare la somiglianza di una faccia in due foto con una precisione del 97,25%, grazie al deep learning.

,

Identificare le facce in un foto è un compito piuttosto semplice per l’essere umano, ma un computer non può ancora raggiungere lo stesso livello di precisione. Facebook è riuscita però ad ottenere risultati paragonabili, grazie all’utilizzo di nuovi algoritmi di deep learning applicati al riconoscimento facciale. Questa branca dell’intelligenza artificiale sfrutta software basato sulle reti neurali che simulano il funzionamento del cervello umano. La tecnologia DeepFace ha un livello di precisione pari al 97,25%, solo lo 0,28% in meno della percentuale “umana”.

In realtà, il software non effettua il riconoscimento facciale (dare un nome ad una faccia), ma la verifica facciale, ovvero riconosce che due immagini mostrano la stessa faccia. Nonostante ciò, i risultati ottenuti potrebbe essere applicati al primo problema, semplificando così il tagging degli utenti quando viene caricata una nuova foto sul social network. Per adesso, DeepFace è esclusivamente un progetto di ricerca che verrà presentato a giugno nel corso della IEEE Conference on Computer Vision and Pattern Recognition. Facebook ha già pubblicato lo studio in PDF per ricevere i feedback dalla comunità dei ricercatori.

DeepFace elabora le immagini in due passi. Prima rileva la faccia nella foto e corregge l’angolo di visualizzazione, in modo tale che la faccia sia rivolta in avanti, usando un modello 3D di riferimento. Poi viene ottenuta una rappresentazione della faccia mediante una rete neurale a 9 strati con oltre 120 milioni di connessioni. L’addestramento della rete è stato effettuato utilizzando un dataset composto da 4 milioni di facce di oltre 4.000 persone. Se DeepFace identifica un numero sufficiente di elementi simili in due immagini, allora stabilisce che le facce sono uguali.

La precisione ottenuta è pari al 97,25%, mentre il numero di errori è inferiore del 25% rispetto ai software attuali.

Fonte: MIT Technology Review • Notizie su: