論文の概要: Thermal to Visible Face Recognition Using Deep Autoencoders

• arxiv url: http://arxiv.org/abs/2002.04219v1
• Date: Mon, 10 Feb 2020 11:58:36 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-02 08:49:57.018416
• Title: Thermal to Visible Face Recognition Using Deep Autoencoders
• Title（参考訳）: ディープオートエンコーダを用いた熱可視顔認識
• Authors: Alperen Kantarc{\i}, Haz{\i}m Kemal Ekenel
• Abstract要約: 視覚的顔認識システムは、ディープラーニングを用いてほぼ完璧な認識精度を達成する。 この問題に対処する1つの方法は、熱から可視的なクロスドメイン顔マッチングである。 可視化画像とサーマルフェース画像のマッピングを学習するためのディープオートエンコーダに基づくシステムを提案する。
• 参考スコア（独自算出の注目度）: 9.772106698388136
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Visible face recognition systems achieve nearly perfect recognition accuracies using deep learning. However, in lack of light, these systems perform poorly. A way to deal with this problem is thermal to visible cross-domain face matching. This is a desired technology because of its usefulness in night time surveillance. Nevertheless, due to differences between two domains, it is a very challenging face recognition problem. In this paper, we present a deep autoencoder based system to learn the mapping between visible and thermal face images. Also, we assess the impact of alignment in thermal to visible face recognition. For this purpose, we manually annotate the facial landmarks on the Carl and EURECOM datasets. The proposed approach is extensively tested on three publicly available datasets: Carl, UND-X1, and EURECOM. Experimental results show that the proposed approach improves the state-of-the-art significantly. We observe that alignment increases the performance by around 2%. Annotated facial landmark positions in this study can be downloaded from the following link: github.com/Alpkant/Thermal-to-Visible-Face-Recognition-Using-Deep-Autoencoders .
• Abstract（参考訳）: 視覚的顔認識システムは、ディープラーニングを用いてほぼ完璧な認識精度を達成する。 しかし、光の不足により、これらのシステムは性能が良くない。 この問題に対処する方法は、熱から可視的なクロスドメイン顔マッチングである。 これは夜間の監視に有用であるため、望ましい技術である。 しかし、2つのドメインの違いのため、顔認識は非常に難しい問題である。 本稿では,可視画像と熱画像のマッピングを学習する深層オートエンコーダシステムを提案する。 また,熱的および可視的顔認識におけるアライメントの影響についても検討した。 この目的のために、CarlおよびEURECOMデータセットの顔のランドマークを手動でアノテートする。 提案されたアプローチは、Carl、UND-X1、EURECOMの3つの公開データセットで広くテストされている。 実験の結果,提案手法は最先端を著しく改善することがわかった。 我々はアライメントがパフォーマンスを約2%向上させるのを観察する。 本研究は、github.com/Alpkant/Thermal-to-Visible-Face-Recognition-Using-Deep-Autoencoders というリンクから、注釈付き顔のランドマーク位置をダウンロードすることができる。

関連論文リスト

• A Machine Learning-Based Secure Face Verification Scheme and Its Applications to Digital Surveillance [0.9208007322096533]
  ほとんどの現実世界の認識システムは、認証に使用される識別に敏感な顔画像を保護することの重要性を無視している。 我々は、DeepID2畳み込みニューラルネットワークを用いて、顔画像の特徴を抽出し、EMアルゴリズムを用いて顔認証問題を解決する。 我々は,3段階のプライバシ懸念に基づいて,地域社会の監視(または入り口)制御のための3つの顔認証システムを開発した。
  論文  参考訳（メタデータ） (2024-10-29T12:25:00Z)
• Precise Facial Landmark Detection by Reference Heatmap Transformer [52.417964103227696]
  より正確に顔のランドマークを検出するための参照ヒートマップ変換器(RHT)を提案する。 評価実験の結果,提案手法は文献における最先端の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-03-14T12:26:48Z)
• Explainable Model-Agnostic Similarity and Confidence in Face Verification [5.257115841810258]
  本研究は,顔認識システムの説明に焦点をあてる。 まず、2つの入力画像間の顔の特徴距離に基づいて、これらのシステムに対する信頼度スコアを導入する。 第二に、より意味のある予測を得るための新しい可視化手法を確立する。 第三に、いくつかの最先端の顔認証データセットに対する信頼度スコアと説明マップを算出する。
  論文  参考訳（メタデータ） (2022-11-24T17:52:47Z)
• DuetFace: Collaborative Privacy-Preserving Face Recognition via Channel Splitting in the Frequency Domain [23.4606547767188]
  DuetFaceは、周波数領域における協調推論を利用するプライバシー保護の顔認識手法である。 提案手法は、保護されていないArcFaceと同等の認識精度とコストを達成し、最先端のプライバシ保存手法より優れている。
  論文  参考訳（メタデータ） (2022-07-15T08:35:44Z)
• A new face swap method for image and video domains: a technical report [60.47144478048589]
  FaceShifterアーキテクチャに基づいた新しいフェイススワップパイプラインを導入する。 新しいアイロス機能、超解像ブロック、ガウスベースのフェイスマスク生成は、品質改善につながる。
  論文  参考訳（メタデータ） (2022-02-07T10:15:50Z)
• A Synthesis-Based Approach for Thermal-to-Visible Face Verification [105.63410428506536]
  本稿では,ARL-VTFおよびTUFTSマルチスペクトル顔データセット上での最先端性能を実現するアルゴリズムを提案する。 MILAB-VTF(B)も提案する。
  論文  参考訳（メタデータ） (2021-08-21T17:59:56Z)
• Simultaneous Face Hallucination and Translation for Thermal to Visible Face Verification using Axial-GAN [74.22129648654783]
  低分解能熱画像から熱可視面検証のタスクを紹介します。 本稿では,Axial-Generative Adversarial Network (Axial-GAN)を提案する。
  論文  参考訳（メタデータ） (2021-04-13T22:34:28Z)
• The Elements of End-to-end Deep Face Recognition: A Survey of Recent Advances [56.432660252331495]
  顔認識はコンピュータビジョンにおいて最も人気があり、長く続いたトピックの1つである。 ディープフェイス認識は目覚ましい進歩を遂げ、多くの現実世界のアプリケーションで広く利用されている。 本稿では,各要素の最近の進歩を概観する。
  論文  参考訳（メタデータ） (2020-09-28T13:02:17Z)
• HyperFaceNet: A Hyperspectral Face Recognition Method Based on Deep Fusion [0.7734726150561088]
  異なる光バンド、すなわちハイパースペクトル顔認識を融合する方法は、まだオープンな研究課題である。 本稿では,特にハイパースペクトル面に対する新しい融合モデル(HyperFaceNet)を提案する。 本手法は,可視光や赤外線を用いた顔認識よりも高い認識率を示す。
  論文  参考訳（メタデータ） (2020-08-02T14:59:24Z)
• Towards Reading Beyond Faces for Sparsity-Aware 4D Affect Recognition [55.15661254072032]
  自動4次元表情認識(FER)のための空間認識深層ネットワークを提案する。 まず,深層学習のためのデータ制限問題に対処する新しい拡張手法を提案する。 次に、多視点での畳み込み特徴のスパース表現を計算するために、疎度対応のディープネットワークを提案する。
  論文  参考訳（メタデータ） (2020-02-08T13:09:11Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。