au sommaire
Dans le processus de reconnaissance faciale DeepFace, le système réalise une modélisation 3D du visage sur la photo (ici l'actrice Calista Flockhart) puis isole chaque trait caractéristique en appliquant des filtres de couleur. Les données sont ensuite analysées par un réseau neuronal qui crée plus de 120 millions de connexions en se servant d'une base de données contenant quatre millions de photos. © Facebook
Depuis 2011, FacebookFacebook a généralisé la reconnaissance faciale afin d'aider ses usagers à mieux classer et retrouver les photos qu'ils partagent en identifiant les personnes qui y figurent. Une fonctionnalité alors activée par défaut qui avait suscité un débat et des réactions officielles dans plusieurs pays européens ainsi qu'aux États-Unis. Le système ne fait désormais plus polémique et Facebook travaille même sur quelque chose de beaucoup plus performant.
Son groupe de recherche spécialisé en intelligence artificielle vient de présenter un nouvel algorithme de « vérification faciale » dont l'acuité est quasiment équivalente à celle d'un humain. DeepFace, tel est son nom, est capable d'analyser deux photos et de dire si les deux visages qui s'y trouvent sont identiques ou non avec une précision de 97,25 %. La marge d'erreur est réduite de 25 % par rapport aux technologies actuelles les plus performantes. Surtout, Facebook souligne que DeepFace s'approche de très près de l'acuité du cerveau humain. Des personnes à qui l'on a demandé d'observer le même jeu d'images ont fait juste un peu mieux, avec une précision de 97,53 %.
Sur cet exemple, le visage de l'acteur Sylvester Stallone est légèrement tourné (a). DeepFace réalise la modélisation 3D en prenant une multitude de repères (c) pour extraire un masque (d et e) qu'il va faire pivoter pour remettre le visage dans l'axe, comme si le sujet fixait l'objectif (g). Toutes les images sont alignées de la même manière avant d'être analysées par le réseau neuronal de DeepFace, ce qui limite les risques de faux positifs. © Facebook
« Les implications socioculturelles des technologies de reconnaissance faciale ont une portée considérable, et pourtant, dans ce domaine, le fossé entre les performances actuelles des machines et le système visuel humain agit comme une barrière pour envisager ces implications », écrivent les concepteurs de DeepFace dans leur publication scientifique. Avec cette technologie, Facebook affirme avoir comblé « la majorité du fossé restant ». Pour cela, les chercheurs ont travaillé sur deux des quatre étapes (détection, alignement, représentation et classification) du processus de reconnaissance faciale, à savoir l'alignement et la représentation.
DeepFace réalise une modélisationmodélisation 3D d'une photo en générant suffisamment de points de repère pour que le visage puisse ensuite être repositionné comme s'il faisait face à l'objectif. De cette manière, l'analyse est pratiquée sur des photos standardisées, ce qui réduit le risque d'erreur. Par la suite, le visage modélisé est mis à plat et des filtres de couleurcouleur sont appliqués afin de différencier chaque élément caractéristique. L'étape de la représentation fait entrer en action un réseau neuronal à neuf couches qui va traiter ces données en établissant plus de 120 millions de connexions. Les caractéristiques sont confrontées à une base de données de quatre millions de photos représentant plus de 4.000 personnes.
La reconnaissance faciale pour Facebook et au-delà
Très performant, DeepFace est aussi très rapide, puisqu'il peut traiter une image en 0,33 seconde. Pour le moment, ce projet est encore en cours de développement et n'a pas encore de finalité concrète. Les travaux vont être présentés lors de la conférence annuelleannuelle de l'IEEE sur la reconnaissance des formes et la vision par ordinateur (Computer Vision and Pattern Recognition) qui se tiendra en juin prochain à ColumbusColumbus, dans l'Ohio. Facebook ne dit pas encore ce qu'il compte faire de DeepFace, mais quelques hypothèses sont raisonnablement envisageables. Tout d'abord, cette technologie pourrait remplacer le système d'identification qu'utilise actuellement le réseau social. La technique d'alignement des visages contribuerait à réduire nettement le pourcentage de faux positifs.
DeepFace ne pourrait-il pas aussi devenir un outil autonome, qui trouverait de multiples applicationsapplications en dehors de Facebook ? On peut concevoir l'intérêt qu'il représenterait à des fins publicitaires ou même de sécurité. Imaginons que DeepFace soit employé pour reconnaître une personne non seulement sur Facebook, mais aussi sur n'importe quel site InternetInternet où figure sa photo. Il y aurait là un moyen très puissant de récolter des données comportementales hautement lucratives... Bien entendu, une telle pratique ne pourrait voir le jour sans cadre légal et consentement des usagers. Mais l'on imagine mal que Facebook ne cherchera pas à tirer le maximum d'une technologie aussi puissante.
