การทดสอบการประเมิน NIST สำหรับอัลกอริทึมการจดจำใบหน้าคืออะไร?

สถาบันมาตรฐานและเทคโนโลยีแห่งชาติสหรัฐอเมริกาแยกการทดสอบผู้ขายการจดจำใบหน้า (FRVT) เป็นสองชุดของการประเมินไบโอเมตริกซ์ในปี 2566 - การประเมินเทคโนโลยีการจดจำใบหน้า (FRTE) และการประเมินเทคโนโลยีการวิเคราะห์ใบหน้า (FATE) บทความนี้จะสำรวจเส้นทางที่แตกต่างกันสำหรับการประเมินอัลกอริทึมการจดจำใบหน้า

การประเมินเทคโนโลยีการจดจำใบหน้า (FRTE) คืออะไร?

โปรแกรมการประเมินเทคโนโลยีการรับรู้ใบหน้า (FRTE) มุ่งเน้นไปที่การประเมินความสามารถในการระบุและการตรวจสอบของเทคโนโลยีการจดจำใบหน้า มันถูกออกแบบมาเพื่อประเมินประสิทธิภาพของเทคโนโลยีเหล่านี้ในการระบุบุคคลจากภาพตั้งแต่1: 1 การตรวจสอบถึง1: n ประจำตัวสถานการณ์

ยิ่งไปกว่านั้นโปรแกรม FRTE ยังมีการประเมินแบบพิเศษรวมถึงการสาธิตหลายรูปแบบ (ใบหน้า + ไอริส) และฝาแฝดซึ่งมีวัตถุประสงค์เพื่อนำเสนอความเข้าใจที่ครอบคลุมเกี่ยวกับประสิทธิภาพของเทคโนโลยีการจดจำใบหน้าในกลุ่มผู้ใช้ต่างๆ

วิธีการหลายรูปแบบเกี่ยวข้องกับการทดสอบอัลกอริทึมสำหรับความสามารถในการจับคู่ข้อมูลใบหน้าของบุคคลและม่านตากับฐานข้อมูลขนาดใหญ่ของหลายรังสี การสาธิต FRTE Twins เป็นแทร็กพิเศษที่จัดการกับความท้าทายในการแยกแยะระหว่างฝาแฝดที่เหมือนกันโดยใช้เทคโนโลยีการจดจำใบหน้า

ตัวชี้วัดหลักของการประเมินคืออัตราการไม่จับคู่ที่ผิดพลาด (FNMR) และอัตราการจับคู่เท็จ (FMR) FNMR วัดความน่าจะเป็นที่ระบบการจดจำใบหน้าจะล้มเหลวในการจับคู่ภาพสองภาพของบุคคลเดียวกันในขณะที่ FMR เป็นการวัดความน่าจะเป็นที่ระบบจะจับคู่ภาพไม่ถูกต้องจากบุคคลอื่น

สมการให้การคำนวณของ FNMR ที่เกณฑ์เฉพาะ:

ที่ไหน,Tเป็นเกณฑ์การตัดสินใจคุณ_ฉันเป็นคะแนนความคล้ายคลึงกันสำหรับการเปรียบเทียบ i-th หรือไม่nคือจำนวนทั้งหมดของการทดลองเปรียบเทียบของแท้และชมเป็นฟังก์ชันขั้นตอน

ฟังก์ชันขั้นตอนจะส่งคืน 1 หากอาร์กิวเมนต์(คุณ_ฉัน- t)มากกว่าหรือเท่ากับศูนย์และส่งคืน 0 มิฉะนั้น การรวมกันให้จำนวนการระบุเชิงบวกที่แท้จริงซึ่งระบบระบุภาพของแท้อย่างถูกต้องเป็นคู่ที่ตรงกันเหนือเกณฑ์ ดังนั้นสมการจะให้สัดส่วนของคู่ของแท้ที่ไม่ตรงกันซึ่งเป็น FNMR ที่ Threshold T

ในทำนองเดียวกันอัตราการจับคู่ที่ผิดพลาด (FMR) ถูกคำนวณ แต่ใช้เวกเตอร์ของคะแนนจากการเปรียบเทียบระหว่างภาพของบุคคลที่แตกต่างกัน สมการคือ:

ที่ไหน,Tเป็นธรณีประตูV_ฉันเป็นคะแนนแอบอ้างnคือจำนวนการทดลองเปรียบเทียบ imposter ทั้งหมดและชมเป็นฟังก์ชันขั้นตอน

เครื่องคิดเลขของเกณฑ์เป็นสิ่งสำคัญในการกำหนดความไวของระบบ วิธีการกำหนด t อธิบายโดยใช้ฟังก์ชันควอนไทล์ของคะแนน imposter

ที่ไหน,ถาม_Vเป็นฟังก์ชันควอนไทล์FMR_Kค่าถูกตั้งค่าตามช่วงที่ต้องการในระดับบันทึก

การประเมินเทคโนโลยีการวิเคราะห์ใบหน้า (FATE) คืออะไร?

การประเมินเทคโนโลยีการวิเคราะห์ใบหน้า (FATE) เป็นการวิเคราะห์ใบหน้าที่ครอบคลุมซึ่งขยายเกินกว่าการระบุตัวตน ซึ่งรวมถึงการประเมินซอฟต์แวร์สำหรับการตรวจจับ morph-การวิเคราะห์คุณภาพของภาพ-การนำเสนอการตรวจจับการโจมตี, และการประมาณอายุ-

ชะตากรรมของ Morph กำหนดเป้าหมายโดยเฉพาะการตรวจจับภาพใบหน้าที่แปรเปลี่ยนซึ่งเป็นภาพที่ได้รับการจัดการแบบดิจิทัลเพื่อผสานคุณสมบัติจากใบหน้าที่แตกต่างกันเป็นภาพเดียว การโจมตีเหล่านี้มีศักยภาพในการประนีประนอมระบบการตรวจสอบตัวตน การทดสอบการประเมินผลวัดประสิทธิภาพของอัลกอริทึมในการตรวจจับการโจมตี morphing เหล่านี้

การตรวจจับข้อบกพร่องของภาพโชคชะตาเป็นส่วนสำคัญของการประเมินคุณภาพที่ระบุและวัดข้อบกพร่องที่อาจส่งผลกระทบต่อการรับรู้ภาพใบหน้า ในระหว่างการวิเคราะห์คุณภาพของภาพระบบจะประเมินปัจจัยต่าง ๆ ที่มีผลต่อการใช้งานภาพ

เพื่อตรวจสอบว่าใบหน้าที่นำเสนอในภาพนั้นเป็นของแท้หรือเป็นตัวแทนที่มีวัตถุประสงค์เพื่อหลอกลวงระบบหรือไม่ การประมาณอายุใช้ประโยชน์จากเทคโนโลยีไบโอเมตริกซ์เพื่อกำหนดอายุของบุคคลตามคุณสมบัติใบหน้าของพวกเขา

การประเมินประสิทธิภาพเหล่านี้ใช้สองตัวชี้วัดสำคัญ- อัตราความผิดพลาดในการจำแนกประเภทการนำเสนอการโจมตี (APCER) และอัตราข้อผิดพลาดการจำแนกประเภทโดยสุจริต (BPCER)

อัตราความผิดพลาดในการจำแนกประเภทการโจมตีการนำเสนอ (APCER) วัดความแม่นยำของระบบโดยเฉพาะในการตรวจจับและระบุการโจมตีการนำเสนอเช่นภาพที่เกี่ยวข้องกับภาพที่ถูกจัดการหรือ morphed

ที่ไหน,ม.จำนวนภาพ morphed จัดประเภทไม่ถูกต้องว่าไม่มอร์เฟ่และn_ม.คือจำนวนภาพรวมทั้งหมดที่นำเสนอต่อระบบ

ในทางกลับกันอัตราความผิดพลาดในการจำแนกประเภท Bona Fide (BPCER) วัดว่าระบบหลีกเลี่ยงการเตือนที่ผิดพลาดได้ดีเพียงใด มันถูกกำหนดโดยสมการต่อไปนี้:

ที่ไหน,ขภาพทั้งหมดของ Bona Fide (ของแท้, nonmorph) จัดประเภทไม่ถูกต้องเป็น morphed และn_ขคือจำนวนภาพรวมทั้งหมดที่นำเสนอต่อระบบ

ใครเข้าร่วม?

การทดสอบ FRTE และโชคชะตายินดีต้อนรับนักพัฒนาของการรับรู้ใบหน้าที่ต้องการประเมินอัลกอริทึมของพวกเขาสำหรับแง่มุมต่าง ๆ ของเทคโนโลยี สำหรับการเข้าร่วม บริษัท จะต้องรวมซอฟต์แวร์ของพวกเขาเข้ากับ C ++ API ที่ได้รับการเปิดเผยต่อสาธารณะและนำซอฟต์แวร์ของพวกเขาผ่านแพ็คเกจการตรวจสอบก่อนส่ง

การประเมินผลโดย NIST มักถูกมองว่าเป็นเดิมพันตารางหากไม่ได้ทำตามข้อกำหนดที่ชัดเจนสำหรับสัญญาจำนวนมากทั้งในภาครัฐและเอกชน