今天是:

实验室资讯网

当前位置: 主页 > 技术 > 科技前沿 >

多伦多大学开发反面部识别系统 人脸识别率降至0.5%

实验室资讯网时间:2018-06-06 点击: 百度搜索

【导读】面部识别系统是有争议的,至少可以这样说。上周,亚马逊因向执法机构提供面部扫描技术而成为头条新闻。研究表明,一些面部识别算法对某些种族存在固有的偏见。......
TAG标签: 人脸识别 多伦多大学 反面部识别系统 面部识别系统

多伦多大学开发反面部识别系统 人脸识别率降至0.5%

面部识别系统是有争议的,至少可以这样说。上周,亚马逊因向执法机构提供面部扫描技术而成为头条新闻。研究表明,一些面部识别算法对某些种族存在固有的偏见。

人们对这种人工智能监视系统的担忧,促使多伦多的研究人员开发了一种针对它们的工具。多伦多大学的教授Parham Aarabi和研究生Avishek Bose发明了一种算法,通过对图像进行光转换,动态地破坏面部识别系统。

“随着面部识别技术越来越先进,个人隐私成为了一个真正的问题,”Aarabi在一份声明中说,“这就是反面部识别系统的用武之地。”

旨在破坏面部识别的产品和软件并不是什么新鲜事物。在2016年11月的一项研究中,美国卡内基梅隆大学的研究人员设计了一种眼镜框,可以误导面部识别系统,使其产生错误的识别。在2017年11月,麻省理工学院和日本九州大学的专家们用一种算法将一幅3D打印的海龟的照片标记为了步枪,方法是改变照片中的一个像素。

多伦多大学开发反面部识别系统 人脸识别率降至0.5%

图:研究人员的反面部识别系统在起作用(来源:多伦多大学)

但根据Bose和Aarabi的说法,这是使用人工智能的首批解决方案之一。他们的算法是在600张人脸的数据集上进行训练的,它会发出一个实时的过滤器,可以应用到任何图片上。因为它的目标——图像中的单个像素——是特定的,因此它几乎是肉眼无法察觉的。

这两名研究人员采用了对抗训练(adversarial training)技术。这种技术使两个神经网络相互对抗——一个神经网络从数据中获得信息,另一个试图破坏第一个神经网络的任务。Aarabi和Bose的系统使用第一个神经网络来识别人脸,并利用第二个神经网络来扰乱面部识别过程。

他们的研究报告将在2018年IEEE国际多媒体信号处理研讨会上发表。Bose和Aarabi声称,他们的算法将人脸识别系统中被检测到的人脸的比例降低到了0.5%。他们希望在应用或网站上提供这种神经网络系统。

“十年前,这些算法必须是人类定义的,但现在神经网络可以自己学习——除了训练数据之外,你不需要提供任何东西,”Aarabi说,“最终,他们可以做一些非常了不起的事情。这是一个很有意思的领域,有着巨大的潜力。”

(本文来源:网易科技 )

(责任编辑:子豪)

引用地址:

TAG标签: 人脸识别 多伦多大学 反面部识别系统 面部识别系统
顶一下
(0)
0%
踩一下
(0)
0%
免责声明: 除标明《实验室资讯网》原创外,本网部分文章转载自其它媒体,转载目的在于传递更多信息, 并不代表本网赞同其观点和对其真实性负责,且不承担此类作品侵权行为的直接责任及连带责任。 如其他媒体、网站或个人从本网下载使用,自负版权等法律责任。如涉及作品内容、版权和其它问题, 请在30日内与本网联系,我们将在第一时间删除内容!
------分隔线----------------------------
发表评论
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
评价:
表情:
用户名: 验证码:点击我更换图片
栏目列表
推荐内容