麻省理工研究特殊「隐形」衣?

放大字体  缩小字体 发布日期:2019-11-11  来源:来自互联网  作者:来自互联网  浏览次数:529
导读

简单来说,「生成对抗网络」是机器学习的一种方法,主要由「生成神经网络」和「判别神经网络」组成,「生成神经网络」负责模拟生产出靠近真实资料的资料,交由「判别神经网络」与真实资料比对,透过两个网络相互对抗、…

人脸识别技术愈来愈普及,但其引发的隐私问题亦备受关注。不过,美国东北大学(Northeastern University)和麻省理工学院华森人工智慧实验室(MIT-IBM Watson AI Lab)近日开发出声称可以瞒骗人脸识别的T恤,意味可以避开人脸识别监控。

究竟这件印有黑白棋盘格子样式图案的T恤,为什么这样神奇呢?它是使用「生成对抗网路(GAN, Generative Adversarial Network)」方法欺骗 AI。

图片来源自网络

简单来说,「生成对抗网络」是机器学习的一种方法,主要由「生成神经网络」和「判别神经网络」组成,「生成神经网络」负责模拟生产出靠近真实资料的资料,交由「判别神经网络」与真实资料比对,透过两个网络相互对抗、不断调整各自网络参数平衡结果,提高辨识准确率。换言之,透过同样方法,也能找出可欺骗系统的图案。

其实早年已有研究显示,AI可以被附加在目标上的一些特殊图案「欺骗」,只要图案角度和形状变化,就会轻易被识破。今次突破点在于即使衣服图案随着人的姿势变化变形,仍能骗过 AI 系统。

图片来源自网络

研究人员指出,常用于「欺骗」AI的对抗性转换(transformations)包括缩放、平移、旋转、亮度、噪音和饱和度调整等,但不足以模拟由人体姿势变化引起的变形,故他们采用称为薄板样条(TPS)的数据插值和平滑技术,利用仿射(保留点、直线、平面)和非仿射分量来建立坐标变换模型,令柔性物体也能模拟刚性物体的对抗性学习,「欺骗」 AI 。

研究人员分别在现实和虚拟环境测试这种 T 恤,单人情况下准确率分别 63% 和 79%;如果多于1人,成功率就会下降。

不过,这种方法可能骗不了像亚马逊、Google云端平台和微软Azure这些更复杂的对象和人员检测模型,但研究人员认为,这是迈向对抗性可穿戴设备的第一步。

不久将来也许真的能突破人脸识别监控呢?

 
 
打赏
免责声明
• 
本文为会员发布,作者: 来自互联网。欢迎转载,转载请注明原文出处:http://www.zneh.com/znkb/show-5022.html 。本文仅代表作者个人观点,本站未对其内容进行核实,请读者仅做参考,如若文中涉及有违公德、触犯法律的内容,一经发现,立即删除,作者需自行承担相应责任。涉及到版权或其他问题,请及时联系我们。