Un nuovo algoritmo di riconoscimento delle immagini utilizza il modo in cui gli esseri umani identificano le cose sulla base di caratteristiche riconoscibili.
di Karen Hao
In generale, gli umani riconoscono la specie di un uccello dal contorno del becco, dai colori delle piume e dalla forma delle sue zampe. Una rete neurale cerca invece modelli di pixel dell’intera immagine senza discriminare tra l’uccello reale e il suo sfondo. Ciò rende la rete neurale più vulnerabile agli errori e rende più difficile il riconoscimento per gli umani.
Piuttosto che addestrare la rete neurale su immagini complete di uccelli, i ricercatori della Duke University e del MIT Lincoln Laboratory l’hanno addestrata a riconoscere le diverse caratteristiche: la forma del becco e della testa di ogni specie e la colorazione delle loro piume. Di fronte a una nuova immagine di un uccello, l’algoritmo cerca quindi quelle caratteristiche riconoscibili e fa previsioni sulla appartenenza di specie. Sfrutta quindi più indizi per arrivare a una decisione finale.
Davanti a un’immagine di un picchio dal ventre rosso, l’algoritmo potrebbe trovare due caratteristiche riconoscibili su cui è stato addestrato: il motivo in bianco e nero delle sue piume e la colorazione rossa della sua testa. La prima caratteristica potrebbe essere abbinata a due possibili specie di uccelli: il picchio rosso o il picchio della coccarda. Ma la seconda caratteristica non si concilia con la prima.
Dai due elementi di prova, l’algoritmo desume quindi che l’immagine più probabile è la prima. Quindi mostra le immagini delle caratteristiche che ha trovato per spiegare a un essere umano come è arrivata alla sua decisione.
Il passaggio è importante, perché gli algoritmi di riconoscimento delle immagini in ambienti ad alto rischio come gli ospedali, dove potrebbero aiutare un medico a classificare un tumore, devono essere in grado di spiegare come sono arrivati alla loro conclusione in un modo comprensibile. Se la logica non è stringente, si presume ci sia un errore.
Attraverso i test, i ricercatori hanno anche dimostrato che l’integrazione di questo procedimento nel loro algoritmo non ne ha compromesso la precisione. Sia nel compito di identificazione delle specie di uccelli sia su quello del riconoscimento del modello di automobile, hanno scoperto che il loro algoritmo otteneva prestazioni uguali o superiori a quelli tradizionali.
Immagine: Spinus Wikipedia; Ms. Tech
(rp)
