딥페이스

DeepFace

DeepFace는 페이스북 연구팀이 만든 딥러닝 얼굴인식 시스템이다.디지털 이미지에서 사람의 얼굴을 식별합니다.이 프로그램은 1억2000만 개 이상의 연결 중량을 가진 9개 층의 신경망을 사용하고 있으며 페이스북 [1][2]사용자가 업로드한 400만 개의 이미지에 대해 훈련을 받았다.페이스북 연구팀은 인간이 97.[3]53%인 LFW(Labeled Faces in the Wild) 데이터 세트에서 DeepFace 방식이 97.35% ± 0.25%의 정확도에 이른다고 밝혔다.이것은 DeepFace가 때때로 인간보다 더 성공적이라는 것을 의미한다.사회적 우려가 커지자 Meta는 페이스북[4] 얼굴 인식 시스템을 폐쇄하고 10억 [5]명 이상의 사용자들의 얼굴 스캔 데이터를 삭제할 계획이라고 발표했다.이러한 변화는 기술 역사상 얼굴 인식 사용의 가장 큰 변화 중 하나를 나타낼 것이다.페이스북은 2021년 12월까지 얼굴 특징의 디지털 스캔인 10억 개 이상의 얼굴 인식 템플릿을 삭제할 계획이다.그러나 얼굴인식 시스템을 작동시키는 소프트웨어인 딥페이스는 없앨 계획이 없었다.Meta의 [5]대변인에 따르면, 회사는 또한 얼굴 인식 기술을 미래의 제품에 포함시키는 것을 배제하지 않고 있다.

상용 롤아웃

기원.

딥페이스는 페이스북의 인공지능 연구팀의 과학자 집단에 의해 제작되었다.이 팀에는 Yainiv Taigman과 페이스북 연구 과학자 Ming Yang이 포함되어 있다.텔아비브 대학의 교수인 리오르 울프도 이들과 함께 했다.Yaniv Taigman은 Facebook이 2007년 Face.com를 인수했을 때 Facebook에 왔다.

Facebook은 2015년 초에 DeepFace를 사용자에게 롤아웃하기 시작했으며, DeepFace의 [6]사용과 소프트웨어를 지속적으로 확장하고 있습니다.페이스북의 인공지능 연구 책임자에 따르면, 딥페이스는 개인의 사생활을 침해하기 위한 것이 아니라고 한다.대신, DeepFace는 페이스북에 게시된 사진에 얼굴이 나타나면 개인에게 경고합니다.이 알림을 받으면 사진에서 얼굴을 [6]삭제할 수 있습니다.

유럽 연합

DeepFace 기술이 처음 도입되었을 때 사용자는 DeepFace를 끌 수 있는 옵션이 있었습니다.하지만 그들은 그것이 [7]시작됐다는 것을 알리지 못했다.이 때문에 DeepFace는 유럽연합에서 출시되지 않았다.EU의 데이터 개인 정보 보호법은 페이스북의 얼굴 인식이 EU의 데이터 보호법을 준수하지 않는다고 주장했다.사용자가 자신의 바이오메트릭 데이터의 모든 사용에 동의하지 않기 때문에 이를 [8]준수하지 않습니다.

정확성.

DeepFace 시스템은 97%의 정확도로 얼굴을 식별할 수 있으며, 이는 같은 위치에 있는 사람과 거의 같은 정확도입니다.페이스북의 얼굴 인식은 85%의 정확도를 [9]가진 FBI의 기술보다 더 효과적이다.구글의 기술인 페이스넷은 같은 데이터 세트를 사용하는 딥페이스보다 더 성공적이다.FaceNet은 99.63%의 정확도 기록을 세웠습니다.Google의 FaceNet은 Google [10]Photos의 데이터를 통합합니다.

적용들

Facebook은 개인의 얼굴 인식 템플릿을 사용하여 개인이 있는 사진을 검색하여 콘텐츠를 검토, 참여 또는 공유할 수 있도록 합니다.DeepFace는 개인들을 사칭이나 신원 도용으로부터 보호합니다.예를 들어, 개인이 누군가의 프로필 사진을 자신의 것으로 사용한 경우를 예로 들어보자.딥페이스를 통해 페이스북은 정보가 [11]오용되는 사람을 식별하고 경고할 수 있다.개인들이 얼굴 인식에 대한 통제권을 갖도록 하기 위해 페이스북은 얼굴 템플릿을 공유하지 않는다.또한 Facebook은 누군가가 자신의 계정을 삭제하거나 사진으로부터 직접 태그 해제한 경우 얼굴 인식 템플릿에서 이미지를 삭제합니다.개인들은 페이스북에서 얼굴 인식을 끄는 능력도 가지고 있다.이 기능이 해제되면 페이스북은 해당 개인의 얼굴 인식을 중단합니다.

2015년 DeepFace가 출시된 후 사용량은 상당히 정체되어 있습니다.더 많은 사람들이 페이스북에 이미지를 올리기 때문에 알고리즘은 더 정확해졌다.페이스북의 DeepFace는 현재 존재하는 가장 큰 얼굴 인식 데이터 세트이다.이 때문에 일부 개인들은 페이스북의 얼굴 ID 데이터베이스가 정부 [12]기관에 배포될 수 있다고 주장한다.그러나 이러한 사용은 대부분의 데이터 개인 정보 보호법에 의해 금지됩니다.프라이버시 문제에 대한 대응으로 페이스북은 자동 얼굴 인식 기능을 삭제하여 개인이 DeepFace를 통해 태그 붙이기를 선택할 수 있도록 했다.이 변경은 2019년에 시행되었다.

아키텍처

DeepFace 시스템은 2D 정렬, 3D 정렬, 정면화 및 뉴럴 네트워크의 네 가지 모듈로 구성됩니다.얼굴의 화상이 차례로 그것들을 통과해, 얼굴을 나타내는 4096 차원 특징 벡터가 된다.그런 다음 여러 작업에 대해 피쳐 벡터를 추가로 처리할 수 있습니다.예를 들어 얼굴을 식별하기 위해 얼굴을 기존의 얼굴의 특징 벡터 목록과 비교하여 가장 유사한 특징 벡터를 가진 얼굴을 식별할 수 있다.

DeepFace는 기존 데이터베이스를 기반으로 하는 기준점 검출기를 사용하여 면의 정렬을 지시합니다.얼굴 정렬은 2D 정렬에서 시작하여 3D 정렬 및 정면 맞춤으로 계속됩니다.즉, DeepFace의 프로세스는 2단계입니다.우선, 사진의 얼굴이 앞을 향하도록 화상의 각도를 보정합니다.이를 위해 얼굴의 [13]3차원 모델을 사용합니다.

2D 얼라인먼트

2D 정렬 모듈은 검출된 얼굴에서 눈 중앙, 코 끝 및 입 위치 등 6개의 기준점을 감지합니다.이 점들은 얼굴을 감지하는 데 도움이 되도록 뒤틀린 이미지로 변환됩니다.그러나 2D 변환은 잘못된 회전을 보상하지 못합니다.

3D 얼라인먼트

얼굴을 정렬하기 위해 DeepFace는 2D 영상을 3D 버전으로 잘라내는 일반 3D 모델을 사용합니다.3D 영상에는 67개의 기준점이 있습니다.영상이 뒤틀린 후에는 67개의 기준점과 일치하도록 영상에 67개의 고정점이 수동으로 배치됩니다.그런 다음 손실을 최소화하는 3D-2D 카메라가 장착됩니다.얼굴 윤곽선에서 3D로 검출된 점이 부정확할 수 있으므로 이 단계는 중요합니다.

프런트라이제이션

전체 투시법을 모델링하지 않기 때문에 장착된 카메라는 개인의 실제 얼굴의 근사치일 뿐입니다.오류를 줄이기 위해 DeepFace는 왜곡이 적은 2D 이미지를 왜곡하는 것을 목표로 하고 있다.또, 카메라 P는, 화상의 일부를 치환해, 대칭적인 것과 혼합할 수 있다.

뉴럴 네트워크

뉴럴 네트워크는 일련의 레이어이며, 다음과 같이 배열됩니다. 컨볼루션 레이어 - 최대 풀링 - 컨볼루션 레이어 - 국소적으로 연결된 레이어 3개 - 완전 연결된 레이어

입력은 얼굴의 RGB 이미지이며 152 × 152 152까지 스케일링되며 출력은 얼굴 이미지의 특징 벡터가 되는 치수 4096의 실제 벡터입니다.

2014년 [13]논문에서는 마지막에 완전히 연결된 레이어를 추가하여 훈련 중에 네트워크가 본 4030명 중 한 명으로 얼굴 이미지를 분류합니다.

반응

산업

AI 연구원 벤 고첼은 페이스북이 이 프로젝트를 통해 "얼굴 인식을 상당히 설득력 있게 해결했다"고 말했지만, 딥 러닝이 AI의 전체 해결책이라고 결론짓는 것은 잘못된 것이라고 말했다.

워싱턴 대학의 Neeraj Kumar 연구원은 페이스북의 DeepFace가 얼마나 많은 외부 데이터가 "더 큰 용량" 모델을 만들어 낼 수 있는지를 보여준다고 말했다.페이스북이 개인의 이미지에 폭넓게 접근하기 때문에, 그들의 얼굴 인식 소프트웨어는 훨씬 작은 데이터 [14][15]세트를 가진 다른 소프트웨어보다 더 나은 성능을 발휘할 수 있다.

미디어

허핑턴포스트지는 데이터 프라이버시 우려를 인용, 이 기술을 "crepy"라고 불렀는데, 일부 유럽 정부들은 이미 페이스북에게 얼굴 [16]인식 데이터를 삭제하도록 요구했다고 언급했다.브로드캐스팅&케이블에 따르면 페이스북과 구글은 디지털민주화센터로부터 2014년 미국전기통신정보국(NITA)의 '스테이크홀더 미팅'에 참석하도록 초청받았으나 둘 다 거절했다.Broadcasting & Cable은 또한 페이스북이 DeepFace에 관한 어떠한 언론 발표도 하지 않았다고 언급했지만, 그들의 연구 논문은 이달 초에 발표되었습니다.슬레이트는 딥페이스가 페이스북을 통해 공개되지 않은 것은 딥페이스의 섬뜩함을 비난하는 또 다른 헤드라인을 경계하기 때문이라고 말했다.

사용자

많은 사람들이 얼굴 인식 [17][18]기술을 두려워한다.이 기술의 거의 완벽한 정확성으로 인해 소셜 미디어 회사들은 수백만 [19]미국인의 디지털 프로필을 만들 수 있습니다.하지만, 얼굴 인식과 다른 사생활에 대한 개인의 두려움은 소셜 미디어 사용의 감소와 일치하지 않는다.대신 사생활과 사생활 설정에 대한 태도는 페이스북 [20][21][22]앱을 사용하려는 개인의 의도에 큰 영향을 미치지 않는다.페이스북은 소셜 미디어 사이트이기 때문에 개인의 사생활에 대한 두려움은 소셜 [23]미디어에 참여하고 싶은 욕구에 의해 지배된다.

프라이버시 문제

BIPA 소송

페이스북 사용자들은 일리노이 생체정보 프라이버시법(BIPA)[24]에 따라 페이스북을 상대로 집단 소송을 제기했다.일리노이주는 가장 포괄적인 바이오메트릭 프라이버시 법령을 가지고 있으며, 상업적 [25]실체에 의한 바이오메트릭 정보 수집을 규제하고 있습니다.일리노이주 BIPA는 개인의 생체정보를 입수하는 법인에 대해 서면 공개를 요구하고, 정보가 수집되고 있음을 알리고, 정보가 수집되는 기간을 명시하도록 요구한다.딥페이스에 대해 제기된 소송은 페이스북이 태그 제안 도구를 목적으로 얼굴 식별 정보를 수집한 것이 BIPA를 [26]위반했다고 주장하고 있다.페이스북은 이 도구를 사용할 때 개인에게 통지나 동의를 주지 않기 때문에, 페이스북 사용자들은 이것이 BIPA를 [27]위반한다고 주장한다.나인서킷은 페이스북의 소송 기각 신청을 부인했고 결국 이 사건을 승인했다.Facebook은 최종적으로 허가된 제9회 서킷의 결정에 대해 어필하려고 했다.페이스북은 원고가 페이스북의 BIPA 위반 외에 어떠한 피해도 주장하지 않았기 때문에 이 사건이 검증되지 말았어야 했다고 주장한다.페이스북은 [28]소송에서 제기된 우려에 대응하여 2019년에 자동 얼굴 인식 태깅 기능을 삭제했다.페이스북은 이 사건에 대해 5억 5천만 달러의 합의를 제안했지만 거절당했다.페이스북이 합의금을 6억 5천만 달러로 늘렸을 때, 법원은 그것을 받아들였다.페이스북은 2021년 3월 초에 합의금 6억5천만 달러를 지급하라는 명령을 받았다. 일리노이 주민 160만 명이 최소 345 달러를 [29]받게 될 것이다.

2020년 7월,[30] 페이스북은 알고리즘으로 인종차별을 조사할 팀을 만들고 있다고 발표했다.Facebook의 팀은 Facebook의 Responsible AI 팀과 협력하여 시스템의 편견을 연구할 것입니다.이러한 프로그램의 실시는 최근의 것으로, 어떤 개혁이 [31]행해질지는 아직 불명확하다.

10년간의 과제

2019년에는 10년 전 사진과 2019년 사진을 올려달라는 페이스북 챌린지가 입소문을 탔다.이 도전은 "10년 도전"으로 명명되었다.많은 연예인들을 포함하여 5백만 명 이상의 사람들이 이 도전에 참여했다.페이스북의 10년 도전은 페이스북의 얼굴 인식 데이터베이스를 훈련시키기 위한 것이라는 우려가 나왔다.와이어드의 작가인 케이트 오닐은 이 가능성을 [32]반향하는 논평을 썼다.페이스북은 그들이 [33]그 도전을 일으키는 데 역할을 했다는 것을 부인했다.그러나 개인들은 10년 간의 도전을 둘러싼 이론이 강조하는 우려는 페이스북과 사생활 [34]권리에 대한 광범위한 우려에 의해 반영된다고 주장해 왔다.

얼굴 인식 기술의 인종차별

얼굴 인식 알고리즘은 보편적으로 [35]성공적이지 않습니다.알고리즘이 90% 이상의 정확도로 얼굴을 분류할 수 있는 경우도 있지만, 여성, 흑인 개인 및 젊은 [36]층을 대상으로 하는 알고리즘은 정확도가 낮다.이 시스템은 [37]흑인과 동양인의 얼굴을 백인의 얼굴보다 10배에서 100배 더 잘못 식별한다.알고리즘은 주로 백인 남성에게 훈련되기 때문에 DeepFace와 같은 시스템에서는 [38]식별하기가 더 어렵습니다.얼굴인식 데이터베이스가 유색인종을 식별하도록 훈련되고 나면,[39] 그들은 더 다양한 얼굴에 노출되어 식별에 더 성공할 것으로 예상된다.

「 」를 참조해 주세요.

레퍼런스

  1. ^ "Facebook creates software that matches faces almost as well as you do", Technology Review, Massachusetts Institute of Technology, March 17, 2014
  2. ^ "Facebook's DeepFace shows serious facial recognition skills", CBS News, March 19, 2014
  3. ^ "DeepFace: Closing the Gap to Human-Level Performance in Face Verification". Facebook Research. Retrieved 2019-07-25.
  4. ^ Rachel Metz. "Facebook is shutting down its facial recognition software". CNN. Retrieved 2021-11-05.
  5. ^ a b Hill, Kashmir; Mac, Ryan (2021-11-02). "Facebook, Citing Societal Concerns, Plans to Shut Down Facial Recognition System". The New York Times. ISSN 0362-4331. Retrieved 2021-11-05.
  6. ^ a b Chowdhry, Amit. "Facebook's DeepFace Software Can Match Faces With 97.25% Accuracy". Forbes. Retrieved 2021-04-09.
  7. ^ "Facebook settles facial recognition dispute". BBC News. 2020-01-30. Retrieved 2021-04-08.
  8. ^ "Vol 23.1 – Winter 2017 Journal of Science & Technology Law". www.bu.edu. Retrieved 2021-04-24.
  9. ^ "Facial Recognition Technology: Ensuring Transparency in Government Use — FBI". www.fbi.gov. Retrieved 2021-04-09.
  10. ^ "Facial recognition: top 7 trends (tech, vendors, markets, use cases & latest news)". Thales Group. Retrieved 2021-04-09.
  11. ^ "What is the face recognition setting on Facebook and how does it work? Facebook Help Center". www.facebook.com. Retrieved 2021-04-22.
  12. ^ Glaser, April (2019-07-09). "Facebook's Face-ID Database Could Be the Biggest in the World. Yes, It Should Worry Us". Slate Magazine. Retrieved 2021-04-22.
  13. ^ a b Taigman, Yaniv; Yang, Ming; Ranzato, Marc'Aurelio; Wolf, Lior (June 2014). "DeepFace: Closing the Gap to Human-Level Performance in Face Verification". 2014 IEEE Conference on Computer Vision and Pattern Recognition. IEEE: 1701–1708. doi:10.1109/cvpr.2014.220. ISBN 978-1-4799-5118-5. S2CID 2814088.
  14. ^ "Facebook Creates Software That Matches Faces Almost as Well as You Do". MIT Technology Review. Retrieved 2021-04-22.
  15. ^ Rubinstein, Ira; Good, Nathan (2012). "Privacy by Design: A Counterfactual Analysis of Google and Facebook Privacy Incidents". SSRN Electronic Journal. doi:10.2139/ssrn.2128146. ISSN 1556-5068.
  16. ^ Grandoni, Dino (2014-03-18). "Facebook's New 'DeepFace' Program Is Just As Creepy As It Sounds". HuffPost. Retrieved 2021-04-22.
  17. ^ "Privacy and identity on Facebook", Discourse and Identity on Facebook, Bloomsbury Academic, 2017, doi:10.5040/9781474289153.0014, ISBN 978-1-4742-8912-2, retrieved 2021-04-24
  18. ^ Barrett, Lindsey (2020-07-24). "Ban Facial Recognition Technologies for Children—And for Everyone Else". Rochester, NY. SSRN 3660118. {{cite journal}}:Cite 저널 요구 사항 journal=(도움말)
  19. ^ Huang, Michelle Yan. "Facial recognition is almost perfectly accurate — here's why that could be a problem". Business Insider. Retrieved 2021-04-22.
  20. ^ Van Der Schyff, Karl; Flowerday, Stephen; Lowry, Paul Benjamin (2020-08-01). "Information privacy behavior in the use of Facebook apps: A personality-based vulnerability assessment". Heliyon. 6 (8): e04714. 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). "An Examination of the Impact of Gender and Culture on Facebook Privacy and Trust in Guam". Journal of International Technology and Information Management. 27 (1): 29–56. ISSN 1941-6679.
  22. ^ "Facebook face recognition hits privacy protests". Biometric Technology Today. 2011 (7): 1. July 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). "A tripartite model of trust in Facebook: acceptance of information personalization, privacy concern, and privacy literacy". Media Psychology. 23 (6): 840–864. doi:10.1080/15213269.2019.1648218. ISSN 1521-3269. S2CID 201372342.
  24. ^ "Power, Pervasiveness and Potential: The Brave New World of Facial Recognition Through a Criminal Law Lens (and Beyond)". nycbar.org. Retrieved 2021-03-31.
  25. ^ "The rise and regulation of thermal facial recognition technology during the COVID-19 pandemic" - Google Search". www.google.com. Retrieved 2021-04-22.
  26. ^ Center, Electronic Privacy Information. "EPIC - Patel v. Facebook". epic.org. Retrieved 2021-04-22. {{cite web}}: first=범용명(도움말)이 있습니다.
  27. ^ "Social Network or Social Nightmare: How California Courts Can Prevent Facebook's Frightening Foray Into Facial Recognition Technology From Haunting Consumer Privacy Rights Forever". vLex. Retrieved 2021-04-24.
  28. ^ "An Update About Face Recognition on Facebook". About Facebook. 2019-09-03. Retrieved 2021-04-22.
  29. ^ "Facebook will pay $650 million to settle class action suit centered on Illinois privacy law". TechCrunch. Retrieved 2021-04-22.
  30. ^ Heilweil, Rebecca (2020-07-22). "Facebook is taking a hard look at racial bias in its algorithms". Vox. Retrieved 2021-04-23.
  31. ^ Trautman, Lawrence J. (2020-03-27). "Governance of the Facebook Privacy Crisis". Pittsburgh Journal of Technology Law & Policy. 20 (1). doi:10.5195/tlp.2020.234. ISSN 2164-800X.
  32. ^ "Facebook's '10 Year Challenge' Is Just a Harmless Meme—Right?". Wired. ISSN 1059-1028. Retrieved 2021-04-22.
  33. ^ Twitter https://twitter.com/facebook/status/1085675097766031360. Retrieved 2021-04-22. {{cite web}}:누락 또는 비어 있음 title=(도움말)
  34. ^ Slobom, Michael (2020-01-01). "Consent, Appropriation by Manipulation, and the 10-Year Challenge: How an Internet Meme Complicated Biometric Information Privacy". Mitchell Hamline Law Review. 46 (5).
  35. ^ Becerra-Riera, Fabiola; Morales-González, Annette; Méndez-Vázquez, Heydi (2019-08-01). "A survey on facial soft biometrics for video surveillance and forensic applications". Artificial Intelligence Review. 52 (2): 1155–1187. doi:10.1007/s10462-019-09689-5. ISSN 0269-2821. S2CID 186207594.
  36. ^ Buolamwini, Joy; Gebru, Timnit (2018-01-21). "Gender Shades: Intersectional Accuracy Disparities in Commercial Gender Classification". Conference on Fairness, Accountability and Transparency. PMLR: 77–91.
  37. ^ "govinfo". www.govinfo.gov. Retrieved 2021-04-23.
  38. ^ "Bias in, Bias out: Why Legislation Placing Requirements on the Procurement of Commercialized Facial Recognition Technology Must Be Passed to Protect People of Color". www.americanbar.org. Retrieved 2021-04-23.
  39. ^ Kane, Kane; Young, Amber; Majchrzak, Ann; Ransbotham, Sam (2021-03-01). "Avoiding an Oppressive Future of Machine Learning: A Design Theory for Emancipatory Assistants". Management Information Systems Quarterly. 45 (1): 371–396. doi:10.25300/MISQ/2021/1578. ISSN 0276-7783. S2CID 232369411.

추가 정보