Y­ü­z­ ­t­a­n­ı­m­a­ ­s­i­s­t­e­m­l­e­r­i­n­i­ ­a­l­d­a­t­a­b­i­l­e­c­e­k­ ­g­i­y­s­i­l­e­r­ ­i­ç­i­n­ ­b­i­r­ ­m­o­d­e­l­ ­o­l­u­ş­t­u­r­d­u­

Y­ü­z­ ­t­a­n­ı­m­a­ ­s­i­s­t­e­m­l­e­r­i­n­i­ ­a­l­d­a­t­a­b­i­l­e­c­e­k­ ­g­i­y­s­i­l­e­r­ ­i­ç­i­n­ ­b­i­r­ ­m­o­d­e­l­ ­o­l­u­ş­t­u­r­d­u­


Amerika Birleşik Devletleri’ndeki Maryland Üniversitesi, görüntü ve yüz tanıma sistemleri için bir “görünmezlik kazağı” geliştirdi. Giysiler için geliştirilen baskı, sinir ağlarını ve makine öğrenme sistemlerini aldatmanıza olanak tanır. Başlangıçta, bu tür sistemlerdeki güvenlik açıklarını aramak için oluşturuldu. Bu, “düşmanca saldırı” adı verilen bir ilkeye dayanmaktadır. Özü, sinir ağını aldatmak ve onu yanlış bir sonuç üretmeye zorlamak.


Görüntü, büyük bir veri seti kullanılarak oluşturuldu ve ardından bir süveter üzerine uygulandı. Bir kişi tespit edildiğinde, örüntünün tanınmayı ne kadar azalttığını değerlendirmek için bunlar revize edildi. Sonuç olarak, insanların tanınmasını engelleyen bir kalıp oluşturmak mümkün oldu. Şimdiye kadar bu, YOLOv2 sistemiyle çalışıyor.

Ortaya çıkan görüntü, izlenimcilerin çalışmalarına benzer ve soluk görünüyor. Ancak, çalışıyor gibi görünüyor. “Görünmezlik süveteri” için şablon, Bağlamdaki Ortak Nesneler (COCO) veri kümesi kullanılarak oluşturuldu. Listede 1,5 milyondan fazla nesne içeren 330 binden fazla resim var.

Ve daha önce, Rus bilim adamları, görüntüdeki herhangi bir nesneyi video kameralardan tanıyabilen bir bilgisayarlı görüş sistemi oluşturdular.


Popular Articles

Latest Articles