Das Paper der Forscher zeigt, dass ihr lernfähiger Algorithmus äußerst vielversprechend ist: Das sogenannte Faceless Recognition System basiert auf einem neuralen Netzwerk, welches Personen anhand von Bildern kennenlernt. Dabei achtet es auf Ähnlichkeiten an Kopf und Körper der Person. Das Gesicht selbst ist dann für die Wiedererkennung nicht mehr sehr wichtig, schreibt Vice Motherboard.
Hat das Faceless Recognition System durchschnittlich 1,25 Bilder mit voll sichtbarem Gesicht als Lernmaterial zur Verfügung, reicht dies bereits für eine 69,6-prozentige Wahrscheinlichkeit, die Person auch mit verdecktem Gesicht wiederzuerkennen. Stehen zehn vollwertige Fotos zur Verfügung, springt die Erkennungsquote bereits auf 91,5 Prozent — steht also genügend unverdecktes Material zur Verfügung, wird der Algorithmus äußerst zuverlässig. Dies funktioniert allerdings nur dann gut, wenn Kleidung und Umgebungsereignisse denen auf den Übungsbildern gleichen — sonst sinkt die Trefferquote drastisch.
Facebook hat in der Vergangenheit bereits Algorithmen demonstriert, die Nutzer auch mit verdecktem oder verpixeltem Gesicht anhand der Körperhaltung und Körperform erkennen können. Das neue System des Max-Planck-Teams ist allerdings das erste, das als lernfähiges Neuralnetz mit einer großen Bandbreite an körperlichen Hinweisen und verschwommenen oder geschwärzten Gesichtern arbeiten kann. Die Forscher sehen ihre Entwicklung auch als Warnung: Es sei wahrscheinlich, dass unveröffentlichte Systeme mit ähnlichen Fähigkeiten bereits online zum Einsatz kommen. Nutzer müssten sich also noch stärker überlegen, wie sie künftig mit Bildern von sich im Netz umgehen wollen.
+++ Mehr von WIRED regelmäßig ins Postfach? Hier für den Newsletter anmelden +++