Nowa technologia rozpoznawania twarzy oparta na sztucznej inteligencji idzie o krok dalej

Wygląda na to, że zastosowanie sztucznej inteligencji w technologie rozpoznawania twarzy to obszar, który rozwinął się najbardziej do tej pory. Jak zauważa ZDNet, firmy takie jak Microsoft (MSFT ) już opracowały technologie rozpoznawania twarzy, które mogą rozpoznać wyrażenia twarzy (FR) za pomocą narzędzi do rozpoznawania emocji. Jednak ograniczeniem było to, że te narzędzia były ograniczone do ośmiu tzw. stanów podstawowych – gniewu, lekceważenia, strachu, obrzydzenia, szczęścia, smutku, zaskoczenia lub neutralności.

Teraz dołącza japoński deweloper technologiczny Fujitsu, z technologią opartą na sztucznej inteligencji, która posuwa rozpoznawanie twarzy o krok dalej w śledzeniu wyrażanych emocji.

Istniejąca technologia FR oparta jest, jak wyjaśnia ZDNet, na „identyfikowaniu różnych jednostek działania (AUs) – czyli pewnych ruchów mięśni twarzy, które można powiązać z konkretnymi emocjami.” W danym przykładzie, „jeśli zostaną jednocześnie zidentyfikowane AU „uniesienie policzka” i AU „pociągnięcie kącika ust”, AI może wnioskować, że osoba, którą analizuje, jest szczęśliwa.

Jak wyjaśnił przedstawiciel Fujitsu, „problemem obecnej technologii jest to, że AI musi być szkolona na ogromnych zbiorach danych dla każdej AU. Musi wiedzieć, jak rozpoznać AU z wszystkich możliwych kątów i pozycji. Ale nie mamy wystarczającej liczby obrazów do tego – więc zwykle nie jest to zbyt dokładne”.

Duża ilość danych potrzebna do szkolenia AI, aby było skuteczne w wykrywaniu emocji, sprawia, że trudno obecnie dostępnym FR rozpoznać, co osoba badana tak naprawdę czuje. A jeśli osoba nie siedzi przed kamerą i nie patrzy prosto w nią, zadanie staje się jeszcze trudniejsze. Wiele ekspertów potwierdziło te problemy w niedawnych badaniach.

Fujitsu twierdzi, że znalazło rozwiązanie, aby poprawić jakość wyników rozpoznawania twarzy w wykrywaniu emocji. Zamiast używać dużej liczby obrazów do szkolenia AI, ich nowo stworzone narzędzie ma za zadanie „wyodrębnić więcej danych z jednego zdjęcia”. Firma nazywa to „procesem normalizacji”, który polega na przekształcaniu zdjęć „zrobionych z określonego kąta w obrazy, które przypominają zdjęcia z przodu”.

Jak wyjaśnił przedstawiciel, “Z tym samym ograniczonym zestawem danych możemy lepiej wykryć więcej AU, nawet na zdjęciach zrobionych z ukosa, a z więcej AU możemy identyfikować złożone emocje, które są bardziej subtelne niż obecnie analizowane wyrażenia podstawowe”.

Firma twierdzi, że teraz może „wykryć zmiany emocjonalne tak wyrafinowane, jak nerwowe śmiechy, z dokładnością 81%, co zostało ustalone za pomocą „standardowych metod oceny”.” W porównaniu, zgodnie z niezależnymi badaniami, narzędzia Microsoft mają dokładność 60%, i również miały problemy z wykrywaniem emocji, gdy pracowały z zdjęciami zrobionymi z bardziej ukosnych kątów.

Jako potencjalne zastosowania, Fujitsu wymienia, że ich nowe narzędzia mogą być użyte, między innymi, do poprawy bezpieczeństwa na drogach „poprzez wykrywanie nawet małych zmian w koncentracji kierowców”.