Hispanopedia Wiki
Articulo de referencia

DeepFace

DeepFace es un sistema de reconocimiento facial de aprendizaje profundo creado por un grupo de investigación en Facebook . Identifica rostros humanos en imágenes digitales. El p...

Hispanopedia WikiContenido en espanolLectura gratuita

DeepFace es un sistema de reconocimiento facial de aprendizaje profundo creado por un grupo de investigación en Facebook . Identifica rostros humanos en imágenes digitales. El programa emplea una red neuronal de nueve capas con más de 120 millones de pesos de conexión y fue entrenado con cuatro millones de imágenes subidas por usuarios de Facebook. [ 1 ] [ 2 ] El equipo de investigación de Facebook ha declarado que el método DeepFace alcanza una precisión del 97,35 % ± 0,25 % en el conjunto de datos Labeled Faces in the Wild (LFW), donde los seres humanos tienen un 97,53 %. [ 3 ] Esto significa que DeepFace a veces tiene más éxito que los seres humanos.

Como resultado de la creciente preocupación social, Meta anunció [ 4 ] que planea desactivar el sistema de reconocimiento facial de Facebook, eliminando los datos de escaneo facial de más de mil millones de usuarios. [ 5 ] Este cambio representará uno de los mayores cambios en el uso del reconocimiento facial en la historia de la tecnología. Facebook planeaba eliminar para diciembre de 2021 más de mil millones de plantillas de reconocimiento facial, que son escaneos digitales de rasgos faciales. Sin embargo, no planeaba eliminar DeepFace, el software que impulsa el sistema de reconocimiento facial. La compañía tampoco ha descartado incorporar la tecnología de reconocimiento facial en futuros productos, según un portavoz de Meta. [ 5 ]

lanzamiento comercial

Origen

DeepFace fue desarrollado por un grupo de científicos del equipo de investigación de inteligencia artificial de Facebook . El equipo incluye a Yainiv Taigman y a Ming Yang, científico investigador de Facebook. También se unió a ellos Lior Wolf, profesor de la Universidad de Tel Aviv . Yaniv Taigman se incorporó a Facebook cuando esta adquirió Face.com en 2012.

Facebook comenzó a implementar DeepFace para sus usuarios a principios de 2015 y ha expandido continuamente su uso y software. [ 6 ] Según el director de investigación de inteligencia artificial de Facebook , DeepFace no pretende invadir la privacidad individual. En cambio, DeepFace alerta a los usuarios cuando su rostro aparece en alguna foto publicada en Facebook. Al recibir esta notificación, tienen la opción de eliminar su rostro de la foto. [ 6 ]

unión Europea

Cuando se implementó inicialmente la tecnología DeepFace, los usuarios tenían la opción de desactivarla. Sin embargo, no se les notificaba que estaba activada. [ 7 ] Debido a esto, DeepFace no se lanzó en la Unión Europea . Una ley de privacidad de datos en la UE argumentó que el reconocimiento facial de Facebook no cumplía con las leyes de protección de datos de la UE. Dado que los usuarios no dan su consentimiento para todos los usos de sus datos biométricos, no cumple con la normativa. [ 8 ]

Exactitud

Los sistemas DeepFace pueden identificar rostros con una precisión del 97%, casi la misma que la de un humano en la misma posición. El reconocimiento facial de Facebook es más efectivo que la tecnología del FBI , que tiene una precisión del 85%. [ 9 ] La tecnología de Google , FaceNet, es más exitosa que DeepFace utilizando los mismos conjuntos de datos. FaceNet estableció un récord de precisión, 99,63%. FaceNet de Google incorpora datos de Google Fotos . [ 10 ]

Aplicaciones

Facebook utiliza plantillas de reconocimiento facial individuales para encontrar fotos en las que aparece una persona y así poder revisar, interactuar o compartir el contenido. DeepFace protege a las personas contra la suplantación de identidad o el robo de identidad . Por ejemplo, si una persona usa la foto de perfil de otra como si fuera suya, mediante DeepFace, Facebook puede identificar y alertar a la persona cuya información está siendo utilizada indebidamente. [ 11 ] Para garantizar que las personas tengan control sobre su reconocimiento facial, Facebook no comparte las plantillas faciales. Además, Facebook eliminará las imágenes de las plantillas de reconocimiento facial si alguien ha eliminado su cuenta o se ha quitado la etiqueta de una foto. Las personas también pueden desactivar el reconocimiento facial en Facebook. Si se desactiva la función, Facebook dejará de reconocer el rostro de esa persona.

Tras el lanzamiento de DeepFace en 2015, su uso se ha mantenido prácticamente estancado. Gracias a que cada vez más personas suben imágenes a Facebook, el algoritmo se ha vuelto más preciso. DeepFace de Facebook es el conjunto de datos de reconocimiento facial más grande que existe actualmente. Por ello, algunos argumentan que la base de datos de identificación facial de Facebook podría distribuirse a agencias gubernamentales. [ 12 ] Sin embargo, estos usos estarían prohibidos por la mayoría de las leyes de privacidad de datos. En respuesta a las preocupaciones sobre la privacidad, Facebook eliminó su función de reconocimiento facial automático, permitiendo a los usuarios optar por el etiquetado mediante DeepFace. Este cambio se implementó en 2019.

Arquitectura

El sistema DeepFace consta de cuatro módulos: alineación 2D, alineación 3D, frontalización y red neuronal. Una imagen de un rostro se procesa secuencialmente a través de estos módulos, lo que da como resultado un vector de características de 4096 dimensiones que representa el rostro. Este vector de características puede procesarse posteriormente para diversas tareas. Por ejemplo, para identificar un rostro, se puede comparar con una lista de vectores de características de rostros conocidos e identificar el rostro con el vector de características más similar.

DeepFace utiliza detectores de puntos de referencia basados ​​en bases de datos existentes para dirigir la alineación de rostros. La alineación facial comienza con una alineación 2D y luego continúa con la alineación 3D y la frontalización. Es decir, el proceso de DeepFace consta de dos pasos. Primero, corrige los ángulos de una imagen para que el rostro en la foto mire hacia adelante. Para lograr esto, utiliza un modelo 3D de un rostro. [ 13 ]

Alineación 2D

El módulo de alineación 2D detecta seis puntos de referencia en el rostro: el centro de los ojos, la punta de la nariz y la ubicación de la boca. Estos puntos se proyectan sobre una imagen deformada para facilitar la detección del rostro. Sin embargo, la transformación 2D no compensa las rotaciones anómalas.

Alineación 3D

Para alinear rostros, DeepFace utiliza un modelo 3D genérico en el que las imágenes 2D se recortan para obtener versiones 3D. La imagen 3D contiene 67 puntos de referencia. Tras deformar la imagen, se colocan manualmente 67 puntos de anclaje que coinciden con los 67 puntos de referencia. A continuación, se instala una cámara 3D-2D que minimiza las pérdidas. Este paso es crucial, ya que la detección de puntos 3D en el contorno del rostro puede ser imprecisa.

Frontalización

Dado que no se modelan proyecciones de perspectiva completa, la cámara ajustada solo ofrece una aproximación del rostro real del individuo. Para reducir errores, DeepFace busca deformar las imágenes 2D con distorsiones menores. Además, la cámara P es capaz de reemplazar partes de la imagen y fusionarlas con sus contrapartes simétricas.

Red neuronal

La red neuronal es una secuencia de capas, dispuestas de la siguiente manera: capa convolucional - agrupación máxima - capa convolucional - 3 capas conectadas localmente - capa totalmente conectada.

La entrada es una imagen RGB del rostro, escalada a resolución152×152{\displaystyle 152\times 152}y la salida es un vector real de dimensión 4096, que es el vector de características de la imagen del rostro.

En el artículo de 2014, [ 13 ] se agrega una capa adicional totalmente conectada al final para clasificar la imagen del rostro en una de las 4030 personas posibles que la red había visto durante el tiempo de entrenamiento.

Reacciones

Industria

El investigador de IA Ben Goertzel afirmó que Facebook había "resuelto de forma bastante convincente el reconocimiento facial" con este proyecto, pero señaló que sería incorrecto concluir que el aprendizaje profundo es la solución completa a la IA.

Neeraj Kumar, investigador de la Universidad de Washington, afirmó que DeepFace de Facebook demuestra cómo grandes conjuntos de datos externos pueden dar como resultado un modelo de "mayor capacidad". Gracias al amplio acceso de Facebook a imágenes de personas, su software de reconocimiento facial puede funcionar mejor que otros programas con conjuntos de datos mucho más pequeños. [ 14 ] [ 15 ]

Medios de comunicación

Un artículo del Huffington Post calificó la tecnología de "inquietante", citando preocupaciones sobre la privacidad de los datos , y señaló que algunos gobiernos europeos ya habían exigido a Facebook que eliminara los datos de reconocimiento facial. [ 16 ] Según Broadcasting & Cable , tanto Facebook como Google habían sido invitados por el Centro para la Democracia Digital a asistir a una "reunión de partes interesadas" de la Administración Nacional de Telecomunicaciones e Información de 2014 para ayudar a desarrollar una Declaración de Derechos de Privacidad del Consumidor , pero ambos declinaron. Broadcasting & Cable también señaló que Facebook no había emitido ningún comunicado de prensa sobre DeepFace, aunque su documento de investigación se había publicado a principios de mes. Slate dijo que Facebook no estaba publicitando DeepFace porque teme otra ronda de titulares que denuncien lo inquietante de DeepFace.

Usuarios

Muchas personas temen la tecnología de reconocimiento facial. [ 17 ] [ 18 ] La precisión casi perfecta de esta tecnología permite a las empresas de redes sociales crear perfiles digitales de millones de estadounidenses. [ 19 ] Sin embargo, el temor de una persona al reconocimiento facial y otras preocupaciones sobre la privacidad no se corresponde con una disminución en el uso de las redes sociales. En cambio, las actitudes hacia la privacidad y la configuración de privacidad no tienen un gran impacto en la intención de una persona de usar las aplicaciones de Facebook. [ 20 ] [ 21 ] [ 22 ] Dado que Facebook es un sitio de redes sociales, los temores individuales sobre la privacidad se ven superados por el deseo de participar en las redes sociales. [ 23 ]

preocupaciones sobre la privacidad

Demanda de BIPA

Usuarios de Facebook presentaron una demanda colectiva contra Facebook en virtud de la Ley de Privacidad de Información Biométrica de Illinois (BIPA). [ 24 ] Illinois cuenta con la legislación más completa sobre privacidad biométrica, que regula la recopilación de información biométrica por parte de entidades comerciales. [ 25 ] La BIPA de Illinois exige que una corporación que obtenga la información biométrica de una persona obtenga una autorización por escrito, le notifique que su información está siendo recopilada y establezca la duración de dicha recopilación. La demanda presentada contra DeepFace alega que la recopilación de información de identificación facial por parte de Facebook para la herramienta de sugerencias de etiquetas viola la BIPA. [ 26 ] Dado que Facebook no notifica ni da su consentimiento a las personas cuando utilizan esta herramienta, los usuarios de Facebook argumentan que viola la BIPA. [ 27 ]  El Noveno Circuito denegó la moción de Facebook para desestimar el caso y finalmente lo certificó. Facebook intentó apelar la certificación de la decisión del Noveno Circuito, la cual fue finalmente concedida. Facebook alega que el caso no debería haberse verificado porque los demandantes no han alegado ningún daño más allá de la violación de la BIPA por parte de Facebook. Facebook eliminó su función de etiquetado automático de reconocimiento facial en 2019, en respuesta a las preocupaciones planteadas en la demanda. [ 28 ] Facebook propuso un acuerdo de $550 millones para el caso, el cual fue rechazado. Cuando Facebook aumentó el acuerdo a $650 millones, el tribunal lo aceptó. Se ordenó a Facebook pagar su acuerdo de $650 millones a principios de marzo de 2021. 1,6 millones de residentes de Illinois recibirán al menos $345. [ 29 ]

En julio de 2020, Facebook anunció la creación de equipos que investigarán el racismo en sus algoritmos. [ 30 ] Estos equipos colaborarán con el equipo de IA Responsable de Facebook para estudiar los sesgos en sus sistemas. La implementación de estos programas es reciente y aún no está claro qué reformas se llevarán a cabo. [ 31 ]

Desafío de diez años

En 2019, un reto de Facebook se hizo viral pidiendo a los usuarios que publicaran una foto de hace 10 años y otra de 2019. El reto se denominó "Reto de los 10 años". Más de 5 millones de personas participaron, incluyendo muchas celebridades. Surgió la preocupación de que el reto de los 10 años de Facebook estuviera diseñado para entrenar la base de datos de reconocimiento facial de Facebook. Kate O'Neill , escritora de Wired , publicó un artículo de opinión que se hacía eco de esta posibilidad. [ 32 ] Facebook negó haber participado en la creación del reto. [ 33 ] Sin embargo, algunas personas han argumentado que las preocupaciones que sustentan las teorías en torno al reto de los 10 años se ven reflejadas en preocupaciones más amplias sobre Facebook y el derecho a la privacidad. [ 34 ]

Racismo en la tecnología de identificación facial

Los algoritmos de reconocimiento facial no son universalmente exitosos. [ 35 ] Si bien los algoritmos son capaces de clasificar rostros con más del 90 % de precisión en algunos casos, la precisión es menor cuando se aplican a mujeres, personas negras y jóvenes. [ 36 ] Los sistemas identifican erróneamente rostros negros y asiáticos entre 10 y 100 veces más que con rostros blancos. [ 37 ] Debido a que los algoritmos se entrenan principalmente con hombres blancos, sistemas como DeepFace tienen más dificultades para identificarlos. [ 38 ] Se proyecta que una vez que las bases de datos de reconocimiento facial se entrenen para identificar a personas de color —exponiéndolas a rostros más diversos— tendrán más éxito en la identificación. [ 39 ]

Véase también

Referencias

  1. ↑ "Facebook crea un software que compara rostros casi tan bien como tú" , Technology Review , Instituto Tecnológico de Massachusetts, 17 de marzo de 2014
  2. ↑ "DeepFace de Facebook demuestra serias capacidades de reconocimiento facial" , CBS News , 19 de marzo de 2014
  3. ↑ "DeepFace: Cerrando la brecha hacia un rendimiento a nivel humano en la verificación facial" . Investigación de Facebook . Consultado el 25 de julio de 2019 .
  4. ↑ Metz, Rachel (2 de noviembre de 2021). "Facebook desactiva su software de reconocimiento facial" . CNN . Consultado el 5 de noviembre de 2021 .
  5. 1 2 Hill, Kashmir; Mac, Ryan (2 de noviembre de 2021). "Facebook, citando preocupaciones sociales, planea cerrar el sistema de reconocimiento facial" . The New York Times . ISSN 0362-4331 . Recuperado el 5 de noviembre de 2021 . 
  6. 1 2 Chowdhry, Amit. "El software DeepFace de Facebook puede hacer coincidir rostros con una precisión del 97,25 %" . Forbes . Consultado el 9 de abril de 2021 .
  7. ↑ "Facebook resuelve disputa sobre reconocimiento facial" . BBC News . 30 de enero de 2020. Consultado el 8 de abril de 2021 .
  8. ↑ "Vol. 23.1 – Invierno 2017 | Revista de Derecho Científico y Tecnológico" . www.bu.edu . Consultado el 24 de abril de 2021 .
  9. ↑ "Tecnología de reconocimiento facial: garantizar la transparencia en el uso gubernamental — FBI" . www.fbi.gov . Consultado el 9 de abril de 2021 .
  10. ↑ "Reconocimiento facial: las 7 principales tendencias (tecnología, proveedores, mercados, casos de uso y últimas noticias)" . Thales Group . Consultado el 9 de abril de 2021 .
  11. ↑ "¿Qué es la configuración de reconocimiento facial en Facebook y cómo funciona? | Centro de ayuda de Facebook" . www.facebook.com . Consultado el 22 de abril de 2021 .
  12. ↑ Glaser, April (09/07/2019). "La base de datos Face ID de Facebook podría ser la más grande del mundo. Sí, debería preocuparnos" . Revista Slate . Consultado el 22/04/2021 .
  13. 1 2 Taigman, Yaniv; Yang, Ming; Ranzato, Marc'Aurelio; Wolf, Lior (junio de 2014). "DeepFace: Cerrando la brecha hacia un rendimiento a nivel humano en la verificación facial" . Conferencia IEEE de 2014 sobre Visión por Computadora y Reconocimiento de Patrones . IEEE. págs. 1701–1708 . doi : 10.1109/cvpr.2014.220 . ISBN  978-1-4799-5118-5. S2CID 2814088 . 
  14. ↑ "Facebook crea un software que reconoce rostros casi tan bien como tú" . MIT Technology Review . Consultado el 22 de abril de 2021 .
  15. ↑ Rubinstein, Ira; Good, Nathan (2012). "Privacidad por diseño: un análisis contrafactual de los incidentes de privacidad de Google y Facebook". SSRN Electronic Journal . doi : 10.2139/ssrn.2128146 . ISSN 1556-5068 . 
  16. ↑ Grandoni, Dino (18 de marzo de 2014). "El nuevo programa 'DeepFace' de Facebook es tan espeluznante como suena" . HuffPost . Consultado el 22 de abril de 2021 .
  17. ↑ «Privacidad e identidad en Facebook», Discurso e identidad en Facebook , Bloomsbury Academic, 2017, pp. 209–252 , doi : 10.5040/9781474289153.0014 , ISBN  978-1-4742-8912-2
  18. ↑ Barrett, Lindsey (24 de julio de 2020). "Prohibir las tecnologías de reconocimiento facial para niños y para todos los demás" . Rochester, NY. SSRN 3660118 . {{cite journal}}: Para citar una revista se requiere |journal=( ayuda )
  19. ↑ Huang, Michelle Yan. "El reconocimiento facial es casi perfectamente preciso: he aquí por qué eso podría ser un problema" . Business Insider . Consultado el 22 de abril de 2021 .
  20. ↑ Van Der Schyff, Karl; Flowerday, Stephen; Lowry, Paul Benjamin (2020-08-01). "Comportamiento de privacidad de la información en el uso de aplicaciones de Facebook: una evaluación de vulnerabilidad basada en la personalidad" . Heliyon . 6 ( 8) e04714. Bibcode : 2020Heliy...604714V . doi : 10.1016/j.heliyon.2020.e04714 . ISSN 2405-8440 . PMC 7452521. PMID 32904276 .   
  21. ↑ Mathiyalakan, Sathasivam; Heilman, George; Ho, Kevin; Law, Wai (2018-01-01). "Un examen del impacto del género y la cultura en la privacidad y la confianza en Facebook en Guam" . Journal of International Technology and Information Management . 27 (1): 29– 56. doi : 10.58729/1941-6679.1363 . ISSN 1941-6679 . S2CID 159011924 .  
  22. ↑ "El reconocimiento facial de Facebook genera protestas por la privacidad". Biometric Technology Today . 2011 (7): 1. Julio de 2011. doi : 10.1016/s0969-4765(11)70120-5 . ISSN 0969-4765 . 
  23. ↑ Rosenthal, Sonny; Wasenden, Ole-Christian; Gronnevet, Gorm-Andreas; Ling, Rich (2020-11-01). "Un modelo tripartito de confianza en Facebook: aceptación de la personalización de la información, preocupación por la privacidad y alfabetización en privacidad". Psicología de los medios . 23 (6): 840– 864. doi : 10.1080/15213269.2019.1648218 . hdl : 10356/145658 . ISSN 1521-3269 . S2CID 201372342 .  
  24. ↑ "Poder, omnipresencia y potencial: El valiente nuevo mundo del reconocimiento facial desde la perspectiva del derecho penal (y más allá)" . nycbar.org . Consultado el 31 de marzo de 2021 .
  25. ↑ "El auge y la regulación de la tecnología de reconocimiento facial térmico durante la pandemia de COVID-19" - Búsqueda de Google" . www.google.com . Consultado el 22 de abril de 2021 .
  26. ↑ Centro de Información sobre Privacidad Electrónica. "EPIC - Patel v. Facebook" . epic.org . Consultado el 22 de abril de 2021 .{{cite web}}: |first=tiene nombre genérico ( ayuda )
  27. ↑ "Red social o pesadilla social: cómo los tribunales de California pueden evitar que la aterradora incursión de Facebook en la tecnología de reconocimiento facial perjudique para siempre los derechos de privacidad de los consumidores" . vLex . Consultado el 24 de abril de 2021 .
  28. ↑ "Actualización sobre el reconocimiento facial en Facebook" . Acerca de Facebook . 3 de septiembre de 2019. Consultado el 22 de abril de 2021 .
  29. ↑ "Facebook pagará 650 millones de dólares para resolver una demanda colectiva basada en la ley de privacidad de Illinois" . TechCrunch . Marzo de 2021. Consultado el 22 de abril de 2021 .
  30. ↑ Heilweil, Rebecca (22 de julio de 2020). "Facebook está analizando detenidamente el sesgo racial en sus algoritmos" . Vox . Consultado el 23 de abril de 2021 .
  31. ↑ Trautman, Lawrence J. (27 de marzo de 2020). "Gobernanza de la crisis de privacidad de Facebook" . Pittsburgh Journal of Technology Law & Policy . 20 (1). doi : 10.5195/tlp.2020.234 . ISSN 2164-800X . 
  32. ↑ "¿El 'Reto de los 10 años' de Facebook es solo un meme inofensivo, ¿verdad?" . Wired . ISSN 1059-1028 . Consultado el 22 de abril de 2021 . 
  33. ↑ Twitter https://twitter.com/facebook/status/1085675097766031360 . Consultado el 22-04-2021 .{{cite web}}: Falta o está vacío |title=( ayuda )
  34. ↑ Slobom, Michael (2020-01-01). "Consentimiento, apropiación por manipulación y el desafío de los 10 años: cómo un meme de Internet complicó la privacidad de la información biométrica" . Mitchell Hamline Law Review . 46 (5).
  35. ↑ Becerra-Riera, Fabiola; Morales-González, Annette; Méndez-Vázquez, Heydi (2019-08-01). "Un estudio sobre biometría facial suave para videovigilancia y aplicaciones forenses". Artificial Intelligence Review . 52 (2): 1155– 1187. doi : 10.1007/s10462-019-09689-5 . ISSN 0269-2821 . S2CID 186207594 .  
  36. ↑ Buolamwini, Joy; Gebru, Timnit (21 de enero de 2018). "Gender Shades: Disparidades de precisión interseccional en la clasificación comercial de género" . Conferencia sobre equidad, rendición de cuentas y transparencia . PMLR: 77–91 .
  37. ↑ "govinfo" . www.govinfo.gov . Consultado el 23 de abril de 2021 .
  38. ↑ "Sesgo de entrada, sesgo de salida: por qué debe aprobarse una legislación que imponga requisitos a la adquisición de tecnología de reconocimiento facial comercializada para proteger a las personas de color" . www.americanbar.org . Consultado el 23 de abril de 2021 .
  39. ↑ Kane, Kane; Young, Amber; Majchrzak, Ann; Ransbotham, Sam (2021-03-01). "Evitando un futuro opresivo del aprendizaje automático: una teoría de diseño para asistentes emancipadores" . Management Information Systems Quarterly . 45 (1): 371– 396. doi : 10.25300/MISQ/2021/1578 . ISSN 0276-7783 . S2CID 232369411 .  

Lecturas adicionales

  • Taigman, Yaniv; Yang, Ming; Ranzato, Marc'Aurelio; Wolf, Lior (24 de junio de 2014), "DeepFace: Cerrando la brecha hacia un rendimiento a nivel humano en la verificación facial" , Conferencia sobre Visión por Computadora y Reconocimiento de Patrones (CVPR) , Grupo de Investigación de Facebook
  • Bohannon, John (5 de febrero de 2015), "Facebook pronto podrá identificarte en cualquier foto" , Science (sitio web), Asociación Estadounidense para el Avance de la Ciencia , doi : 10.1126/science.aaa7804
Obtenido de " https://en.wikipedia.org/w/index.php?title=DeepFace&oldid=1360646754 "