Пикселизация лиц и номеров автомобилей на фото долгие годы обещала людям хотя бы какую-то надежду на приватность. Но группе американских ученых удалось создать алгоритм, которые расшифровывает то, что скрыто за пикселями. И для этого исследователи использовали простейшие инструменты на основе глубокого обучения.
Ученые из Корнелльского университета и Техасского университета в Остине добились точности 71% при распознавании расплывчатых и пикселизованных изображений. Если алгоритм делает пять попыток подряд, то точность распознавания достигает 83%. При этом шанс, что обычный человек узнает лицо, скрытое за пикселями, равен 0,19%, сообщает Quartz.
Чтобы заглянуть за завесу пикселей, ученые использовали относительно простые инструменты: библиотеку глубокого обучения с открытым кодом Torch, а также взятые из нее шаблоны нейросетей и стандартные наборы данных, которые также находятся в открытом доступе. Именно эта простота и доступность инструментария отличает методику ученых от других подобных экспериментов. Ранее ученые из Общества Макса Планка разработали технологию распознавания людей на размытых фотографиях в Facebook. Они использовали более сложную программу, однако она уступает в точности разработке американских ученых.
Алгоритм не воссоздает лицо или изображение за пикселями, он лишь сообщает, что или кто находится на фотографии, используя заранее известные данные. Система работает как с обычными изображениями с размытием и пикселями, так и с P3 — форматом JPEG-шифрования.
Для эксперимента исследователи взяли обычные изображения, доступные в интернете, а затем пропустили их через инструмент пикселизации на YouTube. После этого алгоритму предоставили два набора изображений — оригиналы и обработанные версии. Такой подход позволил обучить алгоритм. В дальнейшем ему показывали уже другие фотографии тех же людей, но программа все равно узнавала их на расплывчатых снимках в другом ракурсе. Точность идентификации личности составила 57%, а при пяти попытках — 85%.
«Мы используем такой бедняцкий подход. Достаточно взять кое-какие обучающие данные, добавить нейросетей, несколько базовых алгоритмов распознавания изображений — и даже при таком подходе можно получить очень неплохие результаты», — отметил Виталий Шматиков, один из авторов исследования.
Хокинг: «Встреча с инопланетянами может плохо для нас закончиться»
Мнения
Таких результатов может добиться практически каждый, достаточно отыскать в интернете нужный набор обучающих данных. Но по словам ученых, это несложно — некоторые данные находятся в открытом доступе в интернете, например, база данных написанных от руки чисел. При этом исследователи отмечают, что уже существуют методики, которые превосходят их результат в несколько раз, а значит, полагаться на пикселизацию больше нельзя.
Распознавание лиц может стать технологией, которая сильнее всего повлияет на наше будущее. Достаточно лишь представить, что весь город оборудован камерами, за всеми гражданами следят, а их личность устанавливается практически мгновенно.
Профессор Сычуаньского университета использует скрытые камеры, чтобы идентифицировать студентов и отслеживать их посещаемость. Эта же технология помогает определить настроение учащихся на лекциях.
Установлен новый рекорд дальности квантовой телепортации
Кейсы
Умный алгоритм ученых Общества Макса Планка, о котором шла речь выше, распознает на фотографии лица, даже если они нечеткие или полностью закрыты. Точность распознавания при этом составляет от 69,6% до 91,5%.