Clé à emporter
- Les algorithmes de reconnaissance faciale s'améliorent pour lire les visages masqués.
- Une nouvelle étude montre les limites de la façon dont un algorithme peut lire un masque facial, comme la couleur et la forme du masque.
- Les experts disent que l'industrie de la reconnaissance faciale travaille activement pour inclure des masques faciaux dans leurs algorithmes.
De nombreuses industries ont dû s'adapter à la pandémie, y compris l'industrie de la reconnaissance faciale. Les experts disent que la technologie s'améliore lentement pour reconnaître les personnes portant des masques faciaux.
Un nouveau rapport publié par le National Institute of Standards and Technology (NIST) montre les résultats de 65 nouveaux algorithmes de reconnaissance faciale créés après le début de la pandémie de COVID-19, ainsi que 87 algorithmes soumis avant la pandémie. Le rapport a révélé que les développeurs de logiciels s'améliorent dans le développement d'algorithmes qui reconnaissent les visages masqués, devenant même aussi précis que les algorithmes de reconnaissance faciale ordinaires.
"Alors que quelques algorithmes pré-pandémiques restent parmi les plus précis sur les photos masquées, certains développeurs ont soumis des algorithmes après la pandémie montrant une précision considérablement améliorée et sont désormais parmi les plus précis de notre test", indique le rapport..
Ce que l'étude a trouvé
L'étude était la deuxième du genre menée par le NIST avec le même ensemble de données destiné à tester les algorithmes de reconnaissance faciale et leur précision en présence de masques faciaux. Les auteurs du rapport ont utilisé 6,2 millions de photos et appliqué des simulations de diverses combinaisons de masques numériques à ces images.
Mei Ngan, co-auteur du rapport et informaticien au NIST, a déclaré à Lifewire lors d'un entretien téléphonique que la présence de masques faciaux avait essentiellement fait reculer la technologie de reconnaissance faciale d'environ deux à trois ans.
"Les taux d'erreur se situent entre 2,5 % et 5 %, ce qui est comparable à ce qu'était la technologie de pointe en 2017", a-t-elle déclaré.
Un précédent rapport du NIST publié en juillet a examiné les performances des algorithmes de reconnaissance faciale soumis avant mars 2020, avant que l'Organisation mondiale de la santé ne déclare une pandémie mondiale. Cette première étude a révélé que le taux d'erreur de ces algorithmes pré-pandémiques se situait entre 5 % et 50 %.
Même si ces algorithmes s'améliorent pour lire les visages masqués, l'étude la plus récente a révélé que certains facteurs affectent le taux d'erreur, tels que la couleur du masque (les masques plus foncés comme le rouge ou le noir ont des taux d'erreur plus élevés) et la façon dont le masque est en forme (les formes de masque plus rondes ont des taux d'erreur plus faibles).
Ngan a déclaré que les algorithmes utilisent la partie visible du visage de quelqu'un, comme la région autour des yeux et le front, pour reconnaître les traits du visage plutôt que de lire à travers le masque lui-même.
L'avenir de la reconnaissance faciale et des masques faciaux
Ngan a déclaré qu'il était évident que les développeurs avaient apporté des améliorations significatives à leurs algorithmes de reconnaissance faciale en ce qui concerne les masques faciaux.
"Il est clairement nécessaire que les systèmes de reconnaissance faciale fonctionnent sous les contraintes du port de masques faciaux", a-t-elle déclaré. "Compte tenu de ce que nous avons fait et des résultats de notre récente étude, nous constatons que l'industrie de la reconnaissance faciale travaille activement pour inclure des masques faciaux dans leurs algorithmes."
Étant donné que la technologie s'améliore, cela signifie qu'il sera plus facile de faire des choses comme déverrouiller nos téléphones tout en portant un masque facial, mais il y a d'autres implications en ce qui concerne la reconnaissance faciale qui progresse de cette façon.
De nombreuses études montrent qu'il est largement rapporté que la reconnaissance faciale identifie mal la mauvaise personne et a des préjugés raciaux. Une étude réalisée en 2019 par le NIST a révélé que la technologie de reconnaissance faciale identifie à tort les Noirs et les Asiatiques jusqu'à 100 fois plus souvent que les Blancs.
Même si la technologie s'améliore pour lire les masques faciaux, le pourcentage d'erreur, aussi petit soit-il, pourrait toujours être un problème d'identification erronée d'une personne portant un masque facial.
Alors que le dernier rapport du NIST montre que les algorithmes s'améliorent dans la gestion de la tâche du masque facial, Ngan a déclaré que seul le temps nous dira si c'est vraiment là que se dirige l'avenir de la reconnaissance faciale en période de pandémie.
"Nous pouvons peut-être nous attendre à d'autres réductions d'erreurs, ou peut-être que les développeurs trouveront des limites à la quantité d'informations uniques dans la région non masquée", a déclaré Ngan.
