Max Home IndustryМорщины, борозды, пятна: процесс старения человека сопровождается контрольными признаками на лице. Исследователи из Института нейронных вычислений Рурского университета в Бохуме (RUB) разработали алгоритм, который очень надежно интерпретирует эти особенности. Он позволяет настолько точно оценивать возраст и этническую принадлежность людей, что на какое-то время выводит исследователей рубля на вершину мировой рейтинговой таблицы. Команда RUB опубликовала свой отчет в журнале Machine Learning с мая 2020 года.
Система научилась оценивать
«Мы не совсем уверены, какие функции ищет наш алгоритм», — говорит профессор Лоренц Вискотт из Института нейронных вычислений. Это потому, что система научилась оценивать лица. Успешный алгоритм, разработанный исследователями из Бохума, представляет собой иерархическую нейронную сеть с одиннадцатью уровнями. В качестве исходных данных исследователи загрузили в него несколько тысяч фотографий лиц разного возраста. В каждом случае был известен возраст. «Традиционно изображения являются входными данными, а правильный возраст — это целевой показатель, который вводится в систему, которая затем пытается оптимизировать промежуточные шаги для оценки требуемого возраста», — объясняет ведущий автор Альберто Эскаланте.
Однако исследователи из Бохума выбрали другой подход. Они вводят множество фотографий лиц, отсортированных по возрасту. Затем система игнорирует особенности, которые меняются от одного изображения к другому, и принимает во внимание только те особенности, которые меняются медленно. «Думайте об этом как о фильме, состоящем из тысяч фотографий лиц», — объясняет Лоренц Вискотт. «Система скрывает все черты, которые постоянно меняются от одного лица к другому, такие как цвет глаз, размер рта, длина носа. Скорее, она фокусируется на чертах, которые медленно меняются на всех лицах». Например, количество морщин медленно, но неуклонно увеличивается на всех лицах. При оценке возраста людей, изображенных на фотографиях, алгоритм дает в среднем чуть менее трех с половиной лет. Это означает, что он превосходит даже людей, которые являются настоящими экспертами в распознавании и интерпретации лиц.
Система также распознает этническое происхождение
Принцип медленности также позволил достоверно определить этническую принадлежность. Изображения поступали в систему, отсортированные не только по возрасту, но и по этнической принадлежности. Соответственно, характерные черты этнической группы не менялись быстро от образа к образу; скорее, они менялись медленно, хотя и не по дням, а по часам. Алгоритм определил правильное этническое происхождение людей на фотографиях с вероятностью более 99 процентов, даже несмотря на то, что средняя яркость изображений была стандартизирована и, следовательно, цвет кожи не был значимым маркером для распознавания.