RomutechAI Blog

R&D Intensive : Vers une Détection des Visages Quasi Parfaite

Après une phase de R&D, la performance atteinte est maintenant proche de 100% en matière de détection des visages. Ce résultat est le fruit d'une refonte de la base des algorithmes que j'avais initialement développés en 2020.


Malgré les avancées technologiques visant à améliorer la détection des visages, certains problèmes restaient présents :

- Double détection : Il arrivait qu'un même visage soit détecté deux fois. Bien que j'aie réussi à réduire la majorité de ces erreurs, quelques cas de double détection subsistaient encore lors de l'analyse des images:

- Non-détection de visages faiblement visibles ou mal orientés : Certains visages très peu visibles ou mal orientés échappaient à la détection, alors qu'ils étaient pourtant facilement reconnaissables par un observateur humain:

Faux positifs : Dans de rares cas, l'algorithme détectait des visages là où il n'y en avait pas:

L'ancien algorithme se comportait bien avec des visages de face, même inclinés, grâce à une fonction de rotation des images que j'avais développée pour gérer ces cas, sans compter toutes les opérations de manipulation de l’image pour effectuer des traitements et améliorations.

De plus, les visages de profil étaient détectés dans la majorité des situations.
Cependant, dès que les visages étaient flous, de mauvaise qualité ou partiellement de dos, l'algorithme rencontrait de grandes difficultés.

Refonte des Algorithmes

Face à ces limitations, j'ai décidé de repartir de zéro et de revoir entièrement les algorithmes de détection de visages. Mon objectif était de surmonter les problèmes identifiés et d'améliorer la précision de l'algorithme dans les conditions les plus complexes.

Pour évaluer la performance de ces nouveaux algorithmes, j'ai utilisé un dataset de 100 photos générées par IA, comprenant un total de 527 visages. Les images de ce test set variaient en termes de complexité, avec des photos contenant entre 1 et 59 visages, dans des positions variées : visages de face, de profil, en 3/4 arrière, flous et parfois à peine visibles.

Résultats des Tests de Performance

Ancien algorithme : Avec l'algorithme initial, nous avons détecté 404 visages sur les 527 présents, soit une performance de 76,66%. Concernant le nombre de photos où 100% des visages ont été correctement détectés, et dont l’analyse est donc un succès total, nous avons obtenu un taux de réussite de 36%.

Nouvel algorithme : Le nouvel algorithme a permis de détecter 526 visages sur 527, soit une performance de 99,81%. Seul un visage, quasiment tourné de dos et à peine visible, n'a pas été détecté. Étant donné la difficulté à percevoir ce visage, même pour un humain, cette non-détection est quasiment négligeable :

Concernant le nombre de photos où 100% des visages ont été correctement détectés, et dont l’analyse est donc un succès total, nous avons obtenu un taux de réussite de 99%. Avec 0% de faux positifs et aucune double détection.

Ainsi, la comparaison entre l’ancien algorithme et le nouvel algorithme développé montre une amélioration de 23,15% des performances concernant la détection des visages, et une détection de tous les visages présents sur les photos dont la performance est en hausse de 64%:

Conclusion

La refonte des algorithmes de détection des visages a permis de surmonter les principales limites de l'ancien système. Avec une performance presque parfaite, le nouvel algorithme montre une fiabilité et une précision exceptionnelles, même dans des conditions extrêmes. Ces résultats ouvrent la voie à des applications plus robustes et adaptées aux besoins croissants dans le domaine de la reconnaissance faciale.