Miguel Oliveira, Páscoa e COVID-19. Veja quais foram os temas mais comentados no Facebook em Portugal
Dezembro 8, 2020Em Shark Tank Tycoon encarna o “tubarão” mais novo do grupo. Escolha o melhor negócio e invista em boas ideias
Dezembro 8, 2020Desbloquear o smartphone com máscara é uma tarefa difícil e que pode fracassar muitas vezes. Mas a COVID-19 parece estar a “obrigar” a tecnologia de reconhecimento facial a progredir, com os developers a adaptarem cada vez mais os algoritmos para lidarem com esta questão.
Em julho deste ano, um estudo do National Institute of Standards and Technology (NIST), uma agência nos Estados Unidos, dava conta das dificuldades que a tecnologia tinha em acompanhar esta nova “tendência”. Os resultados da investigação demonstraram que as taxas de erro de 89 sistemas de reconhecimento facial aumentaram quando a boca e o nariz ou a parte de baixo do rosto foram tapados. Esse crescimento foi dos menos de 1% até aos 50%.
[related-post id=”224630″ post_type=”post” /]
A realidade de agora parece ser, no entanto, diferente. Uma nova investigação do NIST revela que houve uma “corrida” por parte das empresas, na tentativa de atualizarem os algoritmos para serem mais eficazes com rostos com máscaras. Isto notou-se sobretudo nas soluções em que o reconhecimento facial é utilizado para confirmar a identidade de uma pessoa, como, por exemplo, autorizar o acesso a um prédio seguro.
A pandemia parece ter assim obrigado as empresas a reinventarem-se, reconfigurando algoritmos. 1 ano depois de os primeiros casos de COVID-19 terem surgido, os dados mostram que as taxas de erro foram dez vezes melhores do que as registadas no estudo de julho.
“Os developers estão realmente a adaptar os algoritmos para lidarem com máscaras faciais”, garante Mei Ngan, do NIST
Taxa de erro é maior em máscaras vermelhas e pretas
Nos testes, a equipa utilizou uma variedade de formas sobrepostas para representar diferentes tamanhos de máscaras, não recorrendo a fotografias de utilizadores com máscaras. Máscaras “digitais” foram assim a solução encontrada.
Estas são algumas das conclusões do estudo:
- Quanto mais a máscara cobre o rosto maior tende a ser a taxa de erro do algoritmo. Reforçando os resultados da investigação de julho, os dados mostram que os formatos das máscaras redondas, que cobrem apenas a boca e o nariz, geram menos erros do que as largas, que se estendem até às bochechas, e as que cobrem o nariz geram mais erros do que as que não cobrem.
- As cores da máscara afetam a taxa de erro. A investigação explorou os efeitos de duas novas cores de máscara, vermelho e branco, como também as máscaras pretas e azul claro, analisadas na investigação de julho. Embora tivessem havido exceções, as máscaras vermelhas e pretas tendem a gerar taxas de erro mais elevadas do que outras cores. No entanto, a equipa não investigou as razões para este efeito.
- Alguns algoritmos funcionam bem em rostos com ou sem máscaras. Alguns developers criaram softwares que conseguem lidar com imagens em ambos os casos, com os algoritmos a detetarem automaticamente a diferença sem serem informados.
O processo de adaptação significa que o reconhecimento facial pode difundir-se ainda mais do que antes. Em plena pandemia, as empresas que disponibilizam este tipo de sistemas podem ser uma forma mais segura de identificação de pessoas em locais públicos.
A COVID-19 veio ser assim mais um desafio para a tecnologia de reconhecimento facial, que tem lidado com questões de “racismo”. Um estudo de 2018 MIT Lab mostrou que as principais soluções de reconhecimento facial são eficazes a identificar imagens de indivíduos de pele branca, mas têm uma grande margem de erro quando o tom se torna mais escuro.
