IdentifiantMot de passe
Loading...
Mot de passe oublié ?Je m'inscris ! (gratuit)

Vous êtes nouveau sur Developpez.com ? Créez votre compte ou connectez-vous afin de pouvoir participer !

Vous devez avoir un compte Developpez.com et être connecté pour pouvoir participer aux discussions.

Vous n'avez pas encore de compte Developpez.com ? Créez-en un en quelques instants, c'est entièrement gratuit !

Si vous disposez déjà d'un compte et qu'il est bien activé, connectez-vous à l'aide du formulaire ci-dessous.

Identifiez-vous
Identifiant
Mot de passe
Mot de passe oublié ?
Créer un compte

L'inscription est gratuite et ne vous prendra que quelques instants !

Je m'inscris !

Le taux d'erreurs des algorithmes de reconnaissance faciale conçus pour détecter le contour des masques faciaux a augmenté,
Selon une étude de l'Institut US des normes et de la technologie

Le , par Bill Fassinou

263PARTAGES

5  0 
La pandémie du Covid-19 a mis à rude épreuve nos habitudes, et a également eu des impacts sur des technologies comme la reconnaissance faciale. Une étude de l’US National Institute of Standards and Technology a révélé que le port du masque a introduit des biais dans l’utilisation de la reconnaissance faciale. L'Institut américain a examiné 41 algorithmes de reconnaissance faciale soumis après l’arrivée de la pandémie du Covid-19 à la mi-mars, et même s’ils ont été mis au point en tenant compte des masques faciaux, chaque algorithme a constaté une augmentation du taux d'erreur.

La technologie de la reconnaissance était déjà sujette à de nombreux biais, avec parfois de très grands taux d’erreurs. Avec l’arrivée du Covid-19, la situation s’est encore plus dégradée. En effet, de nombreuses sociétés qui conçoivent des logiciels de reconnaissance faciale ont affirmé qu'elles pouvaient minutieusement identifier les gens même lorsqu'ils portaient un masque ou encore même quand la moitié de leur visage est couverte, mais l'Institut national américain des normes et de la technologie (NIST) s’est rendu compte que ce n'était pas le cas.


L’institut a réalisé une étude concernant l'impact des masques sur les algorithmes de reconnaissance faciale, en utilisant 6 millions d'images de sa base de données et en ajoutant numériquement un masque sur les photos. Le NIST a précisé qu’il est tout à fait possible que les taux d'erreur soient encore plus élevés s’il avait utilisé de vraies photos de personnes masquées, plutôt qu'un masque ajouté numériquement, car les masques physiques peuvent avoir des ombres, des textures et des motifs différents qui confondent également les algorithmes.

Le rapport du NIST, paru fin juillet, a révélé que les masques faciaux contrecarraient les algorithmes de reconnaissance faciale habituels, avec des taux d'erreur allant de 5 à 50 %. Tous les algorithmes ont connu des augmentations marginales des taux d'erreur une fois que les masques sont entrés en jeu. Si certains algorithmes étaient encore globalement précis, comme celui de la société chinoise de reconnaissance faciale Dahua, dont le taux d'erreur passé d’environ 0,3 % sans masque à 6 % avec masque, d'autres ont vu leur taux d'erreur augmenter jusqu'à 99 %.

Rank One, un fournisseur de reconnaissance faciale utilisé dans des villes comme Detroit, a eu un taux d'erreur de 0,6 % sans masque, et un taux d'erreur de 34,5 % une fois les masques appliqués numériquement. Ceci est arrivé alors qu'en mai, l’entreprise a proposé un nouvel outil nommé la “reconnaissance périoculaire”, qui prétend pouvoir identifier les personnes, juste à partir de leurs yeux et de leur nez. Brendan Klare, PDG de Rank One, a déclaré que la société n'avait pas pu soumettre cet algorithme au NIST en raison de la limite imposée par l'agence à une soumission par organisation.

Selon lui, l’étude du NIST n’a pas porté sur les potentialités actuelles de la société. « Ainsi, l'étude du NIST sur les masques ne reflète pas notre capacité à effectuer des identifications en présence de masques », a-t-il déclaré dans un courriel. TrueFace, qui est utilisé dans les écoles et sur les bases de l'armée de l'air, a vu son taux d'erreur passer d’environ 0,9 % à 34,8 % une fois les masques ajoutés. Le PDG de l'entreprise, Shaun Moore, a déclaré à CNN le 12 août que ses chercheurs travaillaient sur un meilleur algorithme pour détecter au-delà des masques.

Néanmoins, même si chaque algorithme de reconnaissance faciale a subi un taux d'erreur plus élevé une fois les masques ajoutés, certains taux d'erreur étaient aussi bas que 3 %, ce qui indique qu'il n'est pas impossible pour les algorithmes d'identifier les personnes même lorsque leurs visages sont couverts. Les concepteurs de logiciels de reconnaissance faciale vont devoir travailler à ajouter cette capacité à leurs outils, car les experts de la santé s'attendent à ce que la majorité des gens soient amenés à porter des masques pendant des années, jusqu’à l'éradication de la pandémie.

Source : Le rapport du NIST

Et vous ?

Qu'en pensez-vous ?

Voir aussi

L'utilisation de la reconnaissance faciale par la police viole les droits de l'homme, selon un tribunal britannique. Cependant, la Cour n'a pas complètement interdit l'utilisation de la technologie

Reconnaissance faciale : le chef de la police de Detroit admet un taux d'erreur de 96 %, la police de Detroit croule sous les critiques pour une arrestation par erreur en usant de cette technologie

La police de Londres déploiera des caméras de reconnaissance faciale dans toute la ville, les militants de protection de la vie privée ont qualifié cette décision de menace grave contre les libertés

Amazon annonce que la police ne pourra pas utiliser sa technologie de reconnaissance faciale pendant un an, suite aux manifestations liées à la mort de George Floyd

Une erreur dans cette actualité ? Signalez-nous-la !