Er is een nieuw machinaal leersysteem ontwikkeld dat gezichten kan herkennen op een manier die vergelijkbaar is met hoe het menselijk brein dat doet. Het systeem, genaamd "DeepFace", is ontwikkeld door onderzoekers van de Universiteit van Toronto en Google.

DeepFace maakt gebruik van een diep neuraal netwerk, een soort kunstmatig neuraal netwerk dat is geïnspireerd op het menselijk brein. Het netwerk is getraind op een grote database met afbeeldingen van gezichten en leert de kenmerken te identificeren die alle gezichten gemeen hebben. Deze kenmerken omvatten de vorm van het gezicht, de positie van de ogen, neus en mond, en de textuur van de huid.

Zodra het netwerk is getraind, kan het worden gebruikt om gezichten in nieuwe afbeeldingen te herkennen. Om dit te doen, vergelijkt het netwerk eenvoudigweg de nieuwe afbeelding met de afbeeldingen in de database en vindt de beste overeenkomsten. Het systeem is zeer nauwkeurig en kan zelfs gezichten herkennen die gedeeltelijk verborgen zijn of vanuit verschillende hoeken zijn genomen.

De ontwikkeling van DeepFace is een belangrijke doorbraak op het gebied van computervisie. Het vertegenwoordigt een grote stap voorwaarts in ons begrip van hoe de hersenen gezichten herkennen, en heeft het potentieel om een ​​revolutie teweeg te brengen in een breed scala aan toepassingen, zoals gezichtsherkenningssoftware, beveiligingssystemen en medische beeldvorming.

Hoe DeepFace werkt

DeepFace maakt gebruik van een diep neuraal netwerk om de kenmerken te leren die alle gezichten gemeen hebben. Het netwerk bestaat uit meerdere lagen van onderling verbonden knooppunten, en elke laag leert een andere reeks kenmerken te identificeren. De eerste laag leert de basiskenmerken van een gezicht te identificeren, zoals de vorm van het gezicht en de positie van de ogen, neus en mond. De tweede laag leert complexere kenmerken te identificeren, zoals de textuur van de huid en de vorm van de wenkbrauwen. De derde laag leert nog complexere kenmerken te identificeren, zoals de uitdrukking op het gezicht en de kijkrichting.

Tegen de tijd dat de gegevens alle lagen van het netwerk hebben doorlopen, hebben ze geleerd alle kenmerken te identificeren die alle gezichten gemeen hebben. Hierdoor kan het netwerk gezichten in nieuwe afbeeldingen herkennen, zelfs als deze gedeeltelijk verborgen zijn of vanuit verschillende hoeken zijn genomen.

Toepassingen van DeepFace

DeepFace heeft het potentieel om een ​​revolutie teweeg te brengen in een breed scala aan toepassingen, zoals:

* Gezichtsherkenningssoftware: DeepFace kan worden gebruikt om gezichtsherkenningssoftware te ontwikkelen die nauwkeuriger en betrouwbaarder is dan bestaande systemen. Dit kan voor verschillende doeleinden worden gebruikt, zoals beveiligingssystemen, toegangscontrole en wetshandhaving.

* Beveiligingssystemen: DeepFace kan worden gebruikt om beveiligingssystemen te ontwikkelen die de bewegingen van mensen in een gebouw of gebied kunnen volgen. Dit kan worden gebruikt om ongeoorloofde toegang te voorkomen, misdaad af te schrikken en mensen en eigendommen te beschermen.

* Medische beeldvorming: DeepFace kan worden gebruikt om medische beeldvormingssystemen te ontwikkelen die artsen kunnen helpen ziekten en aandoeningen te diagnosticeren. DeepFace kan bijvoorbeeld worden gebruikt om huidkanker, oogziekten en andere aandoeningen te identificeren.

* Virtuele realiteit: DeepFace kan worden gebruikt om virtual reality-systemen te ontwikkelen die realistische en meeslepende ervaringen kunnen creëren. DeepFace kan bijvoorbeeld worden gebruikt om virtual reality-games, simulaties en trainingsprogramma's te maken.

De potentiële toepassingen van DeepFace zijn eindeloos. Naarmate de technologie zich blijft ontwikkelen, kunnen we verwachten dat deze een revolutie teweeg zal brengen in een breed scala aan industrieën en toepassingen.