Xakep #305. Многошаговые SQL-инъекции
На прошлой неделе трое исследователей из Google опубликовали научную работу о новой системе искусственного интеллекта FaceNet, которая распознаёт лица людей с беспрецедентной точностью, показывая результат, близкий к 100% на стандартном наборе данных Labeled Faces in the Wild, который включает в себя более 13 000 изображений лиц, взятых из интернета. Если быть точным, то новый рекорд 99,63%. На базе лиц YouTube Faces DB результат достигает 95,12%. При этом уровень ошибок на 30% ниже, чем у всех конкурентов, которые опубликовали свои работы в свободном доступе.
В декабре прошлого года группа китайских исследователей тоже заявляли о достижении результата более 99% на наборе Labeled Faces in the Wild (вот их предыдущая работа). Система исследователей из Facebook показала результат около 97,5%, причём тогда в своей работе исследователи утверждали, что даже человек показывает результат, в среднем, 97,5% при распознавании лиц. Под «распознаванием» понимается верный ответ на вопрос, принадлежат ли две фотографии одному и тому же человеку.
Однако, система Google идёт ещё дальше. Она не только распознаёт лица гораздо лучше человека, но ещё способна даже подобрать коллекцию других людей, которые больше всего похожи на заданную фотографию.
Исключительно высокий результат объясняется, в том числе, новаторским методом тренировки нейросети: для этого использовали триплеты фотографий, на которых были лица одного или разных людей, одинаково выравненные и в одинаковых условиях. Тренировочную базу сгенерировали тоже новым методом онлайнового майнинга триплетов.
В будущем подобные программы найдут применение в разведке, системах наблюдения и т.д. Да и различные гражданские системы от этого только выиграют. Скажем, на сайте знакомств можно найти девушек, в точности похожих на любимую актрису или на любую другую фотографию.
