面对生物识别精度识别面具佩戴者在最新的NIST FRVT报告中有所改善

2020-12-02

涵盖受试者的面孔时，面部识别精度仍然明显降低，但是自从开发人员开始专门培训其算法以应对挑战以来，错误率平均降低了四分之一左右。

'正在进行的面部识别供应商测试（FRVT）第6B部分：使用COVID-19算法的面罩的面部识别精度，当时在2020年中期中期之后，提供给NIST提供给NIST的算法，当时许多生物识别公司开始开发算法带有新数据集的面部识别算法为了适应对面具部分遮住的面孔的识别。测试以1：1的基础进行，但NIST表示将在未来版本中进行1：N测试。

开发人员没有向NIST提供有关是否开发其算法来使用口罩的信息，但是测试结果表明“许多开发人员”已经适应了其算法。

该机构从测试中发表了发现大流行之前开发的算法今年早些时候，随后进行了更新包括更多算法，但十月的结果类似。

NIST收到了65种新测试算法，并在掩盖时还进行了何时进行入学率的评估，并为红色和白色口罩进行了结果。报告中包括152个算法的累积结果。

提交的算法仍然返回高的虚假不匹配率（FNMR），而不是在未掩盖的面孔上。在大流行之前，一些算法仍然是掩盖面孔表现最佳的算法，一些新的条目显示出明显提高的精度，并将其置于最高结果之中。覆盖所有算法的面具的失败率约为5％，而最准确的算法识别没有口罩的人的算法为0.3％。但是，在新批次中提交的一些算法仍然无法验证10％至40％的蒙版面孔。

在入学期间用掩盖的面孔进行测试显示FNMR降低，但是对于此类系统，错误的匹配率也增加了。

Nist说，自3月中旬提交的算法的FNMR中位数降低了25％。

深处闪烁和Paravision保持准确性的头号VisionLabs，Hengrui AI和Xforward AI技术在几个类别中的每个类别中的准确性中也占据了前五名。