•  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  

Les masques déjouent les algorithmes de reconnaissance faciale

Une femme porte un masque et regarde la caméra.

Les algorithmes testés avaient un taux d’erreur allant de 5 % à 50 % lorsqu’on leur présentait une photo d’une personne masquée.

Photo : getty images/istockphoto / mheim3011

Radio-Canada

Si le port du masque peut aider à réduire le taux de transmission de la COVID-19 dans la communauté, il peut également affecter de manière substantielle le taux d’efficacité des algorithmes de reconnaissance faciale. C'est ce que révèle une nouvelle étude de l’Institut national des normes et de la technologie (NIST), une agence gouvernementale américaine.

L’Institut a trouvé que même les meilleurs algorithmes commerciaux de reconnaissance faciale avaient un taux d’erreur allant de 5 % à 50 % lorsqu’on leur présentait une photo d’une personne masquée. Plus le masque couvrait le nez de la personne, plus les algorithmes avaient de la difficulté à la reconnaître.

L’équipe de recherche a testé la capacité de 89 algorithmes à valider l’identité des personnes en leur présentant plusieurs fois la même photo, avec différents degrés de recouvrement du visage. La capacité d’identification – déterminer l’identité d’une personne à partir d’une base de données, plutôt que de la vérifier en la comparant à une autre photo – n’a pas été testée, mais le NIST affirme que ces algorithmes pourraient aussi être déjoués par les masques.

On peut tirer quelques conclusions générales des résultats, mais il y a certaines limites. Aucun de ces algorithmes n'était conçu pour prendre en compte des masques, et les masques que nous avons utilisés étaient numérisés, explique l’auteure du rapport, Mei Ngan, dans un communiqué.

Six photos identiques d'une même femme avec différents masques numérisés sur chacune des photos. Agrandir l’image (Nouvelle fenêtre)

L’équipe de recherche a testé la capacité de 89 algorithmes à vérifier l’identité des personnes en leur présentant plusieurs fois la même photo, avec différents degrés de recouvrement du visage.

Photo : B. Hayes/NIST

Le taux d’erreur moyen des algorithmes testés lorsqu’on leur présente une photo d’une personne sans masque est de 0,3 %. Ce taux grimpe à 5 % pour les personnes masquées lorsqu'il s'agit des meilleurs algorithmes, et entre 20 % et 50 % pour des algorithmes compétents, selon le NIST. Les masques noirs ont d’ailleurs davantage nui aux algorithmes que les masques bleus.

Place à l’amélioration

Le NIST compte tester plus tard cet été des algorithmes intentionnellement conçus pour détecter des visages masqués. En matière de précision, on s’attend à ce que la technologie continue à s’améliorer, estime Mei Ngan.

En mars, l’entreprise chinoise SenseTime a commercialisé (Nouvelle fenêtre) un logiciel de reconnaissance faciale qui est selon elle capable d’identifier des personnes masquées avec haute précision.

Celui-ci combine reconnaissance faciale et caméras thermiques pour détecter les gens ayant une température corporelle élevée ainsi que les gens qui ne portent pas de masque, et vise à prévenir la propagation du nouveau coronavirus.

Selon une filiale de l’entreprise LG qui a fait affaire avec SenseTime, ce système a un taux d’efficacité de 99 % et peut identifier des gens maquillés qui portent un masque et des lunettes.

Avec les informations de The Verge, CNet, et Quartz

Vos commentaires

Veuillez noter que Radio-Canada ne cautionne pas les opinions exprimées. Vos commentaires seront modérés, et publiés s’ils respectent la nétiquette. Bonne discussion !

Intelligence artificielle

Techno