The Pulse
Xailient rivendica la maggiore accuratezza nei test NIST tra i modelli di riconoscimento facciale più veloci
Xailient afferma che il suo modello di riconoscimento facciale ha ottenuto la maggiore accuratezza nel test Border-Kiosk tra 106 sviluppatori che rispettavano la soglia di velocità stabilita da NIST. L’azienda ha inoltre riferito i risultati di un test separato con soggetti dal vivo e ha confrontato l’uso delle risorse del proprio modello con quello dei concorrenti.

Xailient afferma che il suo modello di riconoscimento facciale ha ottenuto l’accuratezza più alta nel test NIST Border-Kiosk tra 106 sviluppatori i cui tempi di generazione dei template facciali non superavano i 500 millisecondi. In quel test, con un tasso di false corrispondenze pari a 1 su 100.000, il modello ha abbinato correttamente il 95,4% delle coppie di immagini autentiche, secondo il comunicato dell’azienda.
Fonte prnewswire.com
Xailient ha annunciato i risultati il 17 novembre. L’azienda ha dichiarato che NIST ha testato lo stesso modello, identificato come xailient_001, che impiega su hardware edge con circa 1 TOPS di capacità di calcolo dell’unità di elaborazione neurale.
Che cosa ha misurato il test
L’azienda descrive il test Border-Kiosk come l’unico test NIST 1:1 basato su immagini statiche che coinvolge soggetti non collaborativi. Il test confronta immagini scattate a un chiosco con immagini riprese durante l’attraversamento di una frontiera, per esempio mentre una persona passa attraverso un varco o si trova davanti a un agente di frontiera.
Secondo Xailient, i soggetti usano un touchscreen collocato sotto la telecamera, che crea angoli di visuale difficili e può comportare un’inclinazione verso il basso del volto superiore a 45 gradi. Il confronto avviene quindi tra due immagini non in posa.
Con un tasso di false corrispondenze più rigoroso, pari a 1 su 1.000.000, il modello ha abbinato correttamente l’equivalente del 94,0% delle coppie autentiche del test Border-Kiosk, ha dichiarato l’azienda. Nel test Border-Border, più semplice, Xailient ha riferito un tasso di false mancate corrispondenze dello 0,55% allo stesso tasso di false corrispondenze, equivalente a un’accuratezza di circa il 99,45% negli abbinamenti autentici.
Velocità e uso delle risorse
Secondo Xailient, nei test NIST il modello ha generato i template facciali in 497 millisecondi. Il comunicato indica che i limiti del benchmark on-device sono 1 GB di RAM e un tempo di risposta di 500 millisecondi, a differenza del riconoscimento facciale basato su server o hub, che, secondo l’azienda, non ha limiti fissi.
In un confronto con sei grandi concorrenti, Xailient ha dichiarato che il suo modello era 1,6 volte più veloce e ha prodotto il 12% in meno di mancate corrispondenze rispetto ai concorrenti più vicini. Ha inoltre affermato che il modello utilizzava 901 MB di memoria e 280 MB di dati di configurazione, i valori più bassi nel gruppo di sistemi confrontati.
Secondo l’azienda, il concorrente più vicino richiedeva 1,8 volte più memoria e 1,6 volte più dati di configurazione. I sistemi dei concorrenti più grandi richiedevano una capacità di calcolo 4 volte superiore, fino a 6,7 volte più memoria e 5,7 volte più dati di configurazione rispetto al modello di Xailient, si legge nel comunicato.
Dalle coppie di immagini ai soggetti dal vivo
In un test ISO separato e indipendente con soggetti dal vivo, 250 soggetti diversi e in movimento sono stati abbinati in tempo reale a una galleria di 10.000 candidati registrati. L’azienda ha riferito il 99,5% di riconoscimenti riusciti e zero false corrispondenze nel test.
La valutazione FRTE 1:1 di NIST esamina una coppia di immagini alla volta. Xailient afferma che il suo sistema in produzione valuta invece più fotogrammi mentre un soggetto si avvicina a un dispositivo o interagisce con esso, combinando osservazioni ripetute con un filtro basato sulla qualità delle immagini, soglie di corrispondenza e una logica di verifica a livello applicativo.
Mallika Patel, vicepresidente del prodotto di Xailient, ha affermato che effettuare il confronto sulla telecamera evita di raccogliere dati sui passanti e riconosce soltanto i soggetti che hanno aderito volontariamente e sono ufficialmente registrati. I risultati NIST non costituiscono un’approvazione da parte dell’agenzia di una particolare azienda, prodotto, servizio o sistema.
Fonte
Notizie correlate
- SolidRun lancia la piattaforma i.MX 95 con una dimostrazione di Holoscan
- Vals AI entra nel NIST AI Consortium ampliato
- Le agenzie statunitensi pubblicano 10 pratiche volontarie per l’addestramento e la valutazione della superintelligenza
- Una ricerca assistita dall’IA scopre una vulnerabilità critica di OpenJDK che consente l’esecuzione di codice
- Amazon rilascia strumenti per verificare dimostrazioni matematiche generate dall’IA