Kuamua Jinsia Kupitia Mitindo ya Kutembea Kwa Kujifunza kwa Mashine

Watafiti kutoka Rumania wameunda mfumo wa kujifunza kwa mashine unaoweza kutambua jinsia ya mtu kutokana na jinsi anavyotembea, bila haja ya kuchanganua vipengele vya uso (ambavyo vinaweza kufichwa au kufichwa), na bila kutegemea uchanganuzi wa silhouette au mavazi mengine ya mwili. dalili za jinsia (ambayo inaweza 'kuibiwa' na washiriki wa jinsia nyingine).

Badala yake, mfumo mpya unatumia mifumo iliyopo ya uwekaji lebo kulingana na ishara hizi za ephemeral (na zinazoweza kubadilika) ili kutambua sifa kuu zinazotofautisha mwendo wa wanaume na wanawake, na hivyo kusababisha mfumo unaotambua vyema jinsia tu kutoka kwa mienendo ya 'mifupa' ya mtu. kutembea.

Kwa ufanisi, mbinu hii mpya inabainisha njia tofauti ambazo wanaume na wanawake hutembea bila kukimbilia kwa ishara nyingine; lakini kwa kuwa hutumia sifa nyingine (kama vile taarifa za uso) kuweka lebo ya mitindo ya kutembea mwanzoni, utafiti unaacha swali la ni sifa zipi zinazotofautisha jinsia wanapotembea.

Mbinu mpya hupata utambulisho wa kijinsia kutoka kwa miundo ya uchanganuzi wa uso ambayo hufanya kazi chini ya vikwazo (kama vile pembe ndogo inayoweza kutumika, na hitaji la uratibu wa seti ya data). Mfumo huo kisha huweka sifa za msogeo wa kiunzi kama mwanamume au mwanamke, na huweka sahihi saini za kutembea kwa kila moja, ukipuuza usoni, nguo na vyanzo vingine vya data visivyotegemewa. Chanzo: https://arxiv.org/pdf/2111.00538.pdf

mpya karatasi inaitwa Kutoka Uso kwa Mwenendo: Mafunzo Yanayosimamiwa Kidhaifu ya Taarifa za Jinsia kutoka kwa Mifumo ya Kutembea, na linatoka kwa watafiti katika Chuo Kikuu cha Politehnica huko Bucharest.

Mfumo hufanya kazi kwa usawa na mifano ya uchanganuzi wa uso, na mara nyingi huzidi viwango hivyo, na Alama ya F1 ya hadi 91%, na inatoa kiwango cha juu cha ujanibishaji kwa hali mpya, ikijumuisha mitazamo na hali mbalimbali ambazo kwa kawaida zitazuia ufanisi wa mifumo ya utambuzi wa jinsia inayozingatia uso au sawa. Hii ni pamoja na mitazamo isiyoonekana kwenye uso, pembe zisizo za mbele na hali ya kawaida kabisa ya picha zenye mwonekano wa chini, au ufuatiliaji wa watu walio mbali na picha, ambapo mtindo wa harakati pekee ndio unaosalia kama kiashirio cha kuaminika cha jinsia.

Pengo la Jinsia

Kama watafiti wanavyohitimisha, mfumo kama huu una uwezo mkubwa wa mifumo ya kukusanya idadi ya watu ambayo kwa sasa inazuiliwa sio tu na kupitishwa kwa barakoa chini ya COVID, lakini pia na udhabiti wa mitindo na matukio ambayo hutengeneza mavazi na. uchambuzi wa silhouette njia isiyoaminika ya kutambua jinsia kutoka kwa picha za uchunguzi.

Kwa upande wa ufuatiliaji, kuwa na uwezo wa kupunguza malengo yote ambayo hayaendani na jinsia ya somo lengwa kunaweza kupunguza uchakataji wa awali na hitaji la uangalizi wa kibinadamu na mashine kwa karibu nusu - kwa sababu mifumo ya sasa ya utambuzi mara nyingi inatatizika kugawa ipasavyo. jinsia kwa mtu anayechunguzwa.

Kutoka kwa karatasi mpya: mifano mbalimbali ambapo mifumo ya utambuzi wa jinsia inashindwa. Katika safu iliyo hapo juu, tunaona mfumo mpya wa uchanganuzi wa mwendo wa watafiti ukilinganisha kwa usahihi lebo ya kweli ya picha (M au F), ilhali uchanganuzi wa uso umeshindwa katika hali sawa. Katika safu iliyo hapa chini tunaona matukio ambapo zana za kuweka lebo zilizotumiwa na watafiti zimetoa lebo za jinsia 'zenye kelele' (yaani zisizo sahihi). Ili kukabiliana na hili, watafiti walitumia PENISI ('Usahihishaji wa Kelele wa Mwisho-hadi-mwisho kwa Kujifunza kwa Lebo zenye Kelele'), miongoni mwa mbinu zingine.

Kwa kawaida, uwezekano wa utambuzi wa kijinsia unaotegemewa kupitia uchanganuzi wa mwendo unaweza kuongezeka nia ya sasa katika mbinu za kudanganya.

Uamuzi wa Jinsia kwa Wakala

Kinadharia inawezekana kuwa tumefikia utendakazi sawa na uliofikiwa na mradi mpya kupitia uchanganuzi wa kina wa data ya harakati ya kiunzi iliyoratibiwa kwa mkono. Kama hili lingefanywa, kuna uwezekano kwamba mradi mpya unaweza kuwa na maarifa ya kina ambayo sifa za harakati zinafafanua vyema jinsia. Walakini, mbinu kama hiyo inaashiria dhamira kubwa ya rasilimali, na watafiti wametumia mifumo iliyopo (isiyo na ujasiri) kutoa lebo zinazohitajika.

'Lebo bandia' hazitoi maarifa ya moja kwa moja kuhusu sifa za kutembea zinazozingatia jinsia, lakini hurahisisha kuchuja mitindo ya matembezi kulingana na jinsia kwa njia ya jumla ambayo inaweza kufikiwa ndani ya vizuizi vya rasilimali.

Hapo awali watafiti walitumia 2019 Mtazamo wa mbele (FVG) data, ambayo inashughulikia changamoto ya utambuzi wa kutembea kutoka pembe ya mbele, ambayo inatoa vidokezo vichache kuliko maoni ya upande. Seti ya data ina sampuli za kutembea zilizo na vikwazo vingi, kama vile kasi mbalimbali za kutembea, mandharinyuma yenye msongamano, mwonekano tofauti na tofauti za mavazi.

Kutoka kwa karatasi ya FVG ya 2019, GaitNet hujifunza kiotomatiki vipengele muhimu vya kutembea kutoka kwa 'video ya kutembea', kulingana na taswira ya mbele, hali ya kutazamwa mara kwa mara katika kamera zinazotazama hadharani. Chanzo: https://arxiv.org/pdf/1904.04925.pdf

Kwa kuwa FVG hailengi katika utambuzi wa kijinsia, waandishi walidokeza wenyewe mada 226 katika mkusanyiko wa data na maelezo ya jinsia ili kuendeleza ukweli wa msingi wa mfumo.

Utambuzi wa uso uliwezeshwa kupitia MTCNN, na sifa za demografia zilizoamuliwa na IMDB-WIKI daftari. Kwa kuwa uchanganuzi wa mwendo unaweza ufanisi zaidi katika umbali mrefu kuliko makisio yanayotegemea uso, lebo za mwisho zilipatikana kwa wastani uliopimwa wa imani ya kijinsia inayotokana na eneo la kisanduku cha kufunga usoni ikilinganishwa na vipimo vya fremu. Mifupa ilitolewa na AlphaPose, ambayo huondoa 'zawadi' zozote zinazowezekana, kama vile urefu wa lengo la somo (ambalo haliwezi kutathminiwa kwa hakika katika matukio ya kamera ya umma ya dharula).

Kupima

Mfumo huo ulijaribiwa dhidi ya KASIA-B hifadhidata ya kutembea, ikichukua sampuli ndogo za wanaume waliowakilishwa kupita kiasi katika mkusanyiko wa data ili kuhakikisha usawa wa majaribio, na data iliyogawanywa kwa mafunzo ya 80% na uthibitishaji wa 20%.

Watafiti walitumia kazi yao ya awali, a Mtandao wa WildGait (tazama picha hapa chini), kukokotoa kufanana kati ya mlolongo wa kutembea. Vitambulisho vya kijinsia, ambavyo tayari vimeanzishwa sasa vimepitishwa kwa ufanisi katika hatua hii ya mchakato wa mfumo.

WildGait ni Mtandao wa Ubadilishaji wa Grafu wa Spatio-Temporal uliofunzwa kwa sauti ya juu, mfuatano wa kiunzi uliofafanuliwa kiotomatiki unaotokana na ulimwengu halisi, mitiririko ya ufuatiliaji. Chanzo: https://arxiv.org/pdf/2105.05528.pdf

Kwa kumalizia, waandishi wanasema kuwa mfumo huo unalingana na mifumo ya hali ya juu ya uso kwa suala la usahihi katika kuamua jinsia. Kwa kuwa kuna pembe nyingi zinazowezekana ambazo zinaweza kutokea katika video ya chanzo cha kutembea, matokeo yanasambazwa katika anuwai ya maoni hayo yanayowezekana: