Нейронную сеть научили распознавать замазанные на картинках объекты и текст

Долгое время «замыливание» и пикселизация части изображения, содержащего приватную информацию, регистрационные данные, и лица очень хорошо помогали сохранить в тайне то, что необходимо. Но теперь, похоже, этот способ маскировки нельзя считать достаточно надёжным. Дело в том, что исследователи из Техасского университета разработали систему машинного обучения, которая может с пугающей точностью идентифицировать замазанные лица и текст. Специалисты, обучившие новую систему, рассказали, что это было не так уж и сложно сделать.

Человек, глядя на размытую картинку или её часть, не может распознать то, что на ней изображено, а вот нейронная сеть вполне очень даже может и делает это замечательно, безошибочно распознавая текст и картинки, размазанные с применением разных методов. Нейронную сеть научили «видеть» сквозь пикселизацию и даже узнавать, что пытается скрыть сервис YouTube своим патентованным инструментом размытия. Пока система машинного обучения не умеет «размыливать» картинку, но вполне может идентифицировать объект на картинке, сопоставив его с оригиналом.

Исследователи взяли открытую программную платформу машинного обучения Torch, алгоритмы распознавания лиц и текста, соединили всё и приступили к обучению нейронной сети. Точность распознавания составила от 80 до 90 процентов в случае с обработанными изображениями на YouTube и 50-75 процентов при анализе тщательно запикселенными с помощью фоторедакторов картинками. Хуже всего нейронная сеть справилась с картинками, обработанными с помощью инструмента шифрования P3 (Privacy-Preserving Photo Sharing) — тут точность составила всего около 17 процентов.

Источник: hi-news.ru
Показать полностью...
7.32%
80%
24.39%

Полезные видео

История

Резонанс

Похожие записи (3)

Юрий Яковлев со своими детьми - Еленой, Алексеем и Антоном, 10 октября 1998 года.

112.54%
100%
141.81%
Слепые девочки играют в прятки в школе для слепых детей. США, Филадельфия, 1912 год.

112.5%
100%
141.67%
Посвящается всем социофобам

92.18%
120%
73.93%
TBEx