Identificar gente en fotos así no es problema para este software

Investigadores de la Universidad de Texas y Cornell han ideado un software que es capaz de identificar un rostro humano pixelado o borroso con una precisión del 80%.

El sistema demuestra que pixelar una imagen -como en el caso de los niños o personas bajo reserva en medios de comunicación- no es una forma segura para proteger información: los avances en deep learning (aprendizaje profundo) y machine learning (aprendizaje automático) están convirtiendo los métodos que se consideraban eficientes en obsoletos.

Asimismo, este sistema ayudaría a identificar más efectivamaente a delincuentes cuyos rostros aparecen pixelados en tomas de cámaras de seguridad.

En la prueba, el sistema fue capaz de identificar un rostro pixelado  con un 70% de precisión, cifra que aumentaba hasta un 83% en cinco intentos. En contraste, el humano solo tiene un 0,19% de probabilidad en la misma prueba. 

^{La red neuronal es capa de aprender cuáles son las zonas en una imagen y la relación entre ellas.}

Luego de almacenar una base de datos de imágenes libres en Internet, el sistema demostró su efectividad con imágenes pixeladas extraídas de YouTube

El algoritmo no convierte una imagen pixelada en nítida como sucede en series de televisión de ficción como CSI; su función es identificar al sujeto en la foto basándose en la información que ya conoce de diferentes muestras, siendo capaz de identificar el contenido de las imágenes borrosas y pixeladas.

Además, puede saltarse el cifrado de imágenes P3, un tipo de codificación de las fotografías JPEG que sirve para ocultar información.

En la prueba, se introdujo en el algoritmo fotos normales y pixeleadas. El sistema pudo distinguir las correlaciones entre las fotografías intactas y las que exhiben patrones borrosos.

^{El conjunto de pruebas y algoritmos de ofuscación empleados para reconocer una imagen pixeleada.}

La mayor dificultad a la hora de inventar esta herramienta que identifica rostros de imágenes pixeladas fue contar con una base de documentos (fotográficos) que ayuden a entrenar el software. 

Miguel Guerra L.

Si te gustó esta noticia, entérate de más a través de nuestros canales de Facebook y Twitter.