MegaFace: Gezichtsherkenning op wereldschaal

Machine learning maakt computers steeds slimmer. Gezichten herkennen is voor velen niet moeilijk, denk maar aan Google Foto’s of Facebook Moments. Dergelijke algoritmes worden ‘getraind’. Onderzoekers laten het computerprogramma los op een dataset met miljoenen gezichten in, waarna de software door middel van trial en error met foutcorrectie steeds slimmer wordt. Na een tijd kan een dergelijk algoritme individuele gezichten herkennen met bijna 100 procent precisie.

Kleine gegevenssets

De algoritmes presteren erg goed op grote datasets van pakweg 10.000 of 20.000 personen. Dat lijkt veel maar is minder dan een doordeweeks EK-stadion waar de Rode Duivels andere leden van de Europese Unie vernederen. Toch wordt gezichtsherkenning vandaag al ingezet om bijvoorbeeld smartphones te beveiligen. Onderzoekers van de universiteit van Washington wilden samen met onder andere Intel, Samsung en Google ontdekken hoe waardevol de bestaande algoritmes zijn in een realistischer scenario.

De universiteit lanceerde daartoe het MegaFace-project. De onderzoekers daagden de makers van verschillende algoritmes uit om hun software los te laten op een beeldenset met daarin maar liefst 690.572 unieke personen. De beelden waren afkomstig van Flickr, waar foto’s onder de Creative Commons-licentie voor dergelijk onderzoek van het net geplukt mogen worden. In totaal ging het om één miljoen foto’s.

FaceNet

Google, dat natuurlijk een enorme dataset ter beschikking heeft om zijn algoritme te trainen, deed het met FaceNet het beste. Op kleinere datasets van ongeveer tienduizend beelden scoort FaceNet min of meer perfect. Op de grote beeldenverzameling van MegaFace viel de nauwkeurigheid plots terug tot 75 procent. N-TechLab uit Rusland haalde de op één na hoogste score met 73 procent.

Sommige algoritmes haalden meer dan 95 procent nauwkeurigheid op de kleinere datasets, maar vielen terug tot 33 procent wanneer ze de gezichtsherkenning op de MegaFace-database moesten toepassen. De onderzoekers vinden het belangrijk dat gezichtsherkennissoftware overweg kan met MegaFace-hoeveelheden aan data. Ze hebben geen big-brother-cameranetwerk in gedachten; integendeel. Denk maar aangezichtsbeveiliging op je telefoon: wie die verliest en vertrouwd op de beveiliging wil een hogere nauwkeurigheid dan 1 op 10.000.

Anti-terrorisme

Natuurlijk kan een perfect gezichtherkenningsalgoritme de ordediensten ook helpen om een terrorist op de speuren, door de software los te laten op camerabeelden van bijvoorbeeld de metro of het treinstation.

Het MegFace-team wil nu een dataset met een half miljoen individuen samenstellen en onder de deelnemers verspreiden. Niet ieder onderzoeksteam heeft immers evenveel beelden ter beschikking als Google of Facebook om zijn algoritmes te trainen. Het is de eerste keer dat gezichtsherkenningsalgoritmes op deze schaal getest en vergeleken worden. De inzichten moeten onderzoekers helpen om steeds betere en slimmere software te bouwen.