論文の概要: Deep Fusion Siamese Network for Automatic Kinship Verification
- arxiv url: http://arxiv.org/abs/2006.00143v2
- Date: Sun, 7 Jun 2020 12:19:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-26 18:08:42.126213
- Title: Deep Fusion Siamese Network for Automatic Kinship Verification
- Title（参考訳）: ディープフュージョン・シームズ・ネットワークによる自動親和性検証
- Authors: Jun Yu, Mengyan Li, Xinlong Hao and Guochen Xie
- Abstract要約: 本研究では,2個体間の相対的類似性を定量化するディープサイムズネットワークを提案する。
2つのディープ・サイムズ・ネットワークは3つのオブジェクト(すなわち父、母、子)の親子関係検証のためのディープ・トリプルト・ネットワークに統合される。
- 参考スコア（独自算出の注目度）: 20.360475286657877
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automatic kinship verification aims to determine whether some individuals
belong to the same family. It is of great research significance to help missing
persons reunite with their families. In this work, the challenging problem is
progressively addressed in two respects. First, we propose a deep siamese
network to quantify the relative similarity between two individuals. When given
two input face images, the deep siamese network extracts the features from them
and fuses these features by combining and concatenating. Then, the fused
features are fed into a fully-connected network to obtain the similarity score
between two faces, which is used to verify the kinship. To improve the
performance, a jury system is also employed for multi-model fusion. Second, two
deep siamese networks are integrated into a deep triplet network for
tri-subject (i.e., father, mother and child) kinship verification, which is
intended to decide whether a child is related to a pair of parents or not.
Specifically, the obtained similarity scores of father-child and mother-child
are weighted to generate the parent-child similarity score for kinship
verification. Recognizing Families In the Wild (RFIW) is a challenging kinship
recognition task with multiple tracks, which is based on Families in the Wild
(FIW), a large-scale and comprehensive image database for automatic kinship
recognition. The Kinship Verification (track I) and Tri-Subject Verification
(track II) are supported during the ongoing RFIW2020 Challenge. Our team
(ustc-nelslip) ranked 1st in track II, and 3rd in track I. The code is
available at https://github.com/gniknoil/FG2020-kinship.
- Abstract（参考訳）: 自動親族検証は、ある個人が同じ家族に属しているかどうかを判定することを目的としている。
行方不明者が家族と再会するのを助けることは、非常に重要な研究である。
本研究では,課題は2つの点で徐々に解決される。
まず,2個体間の相対的類似性を定量化するディープサイムズネットワークを提案する。
2つの入力顔画像が与えられると、ディープサイムズネットワークはそれらから特徴を抽出し、それらの特徴を結合して融合する。
そして、融合した特徴を完全接続ネットワークに入力し、2つの顔間の類似度スコアを取得し、親族性を検証する。
性能向上のため、マルチモデル融合にも陪審制度が用いられている。
第2に,親子間の親子関係を判断するために,親子間の親子関係の検証を行うディープトリプレットネットワークに,2つのディープシャムネットワークが統合されている。
具体的には、親子と親子の類似度スコアを重み付けて親子類似度スコアを生成し、親子照合を行う。
野生の家族(rfiw)を認識することは、野生の家族(fiw)をベースとし、自動親族認識のための大規模で包括的な画像データベースである複数のトラックを持つ親族認識タスクである。
Kinship Verification(トラックI)とTri-Subject Verification(トラックII)は、現在進行中のRFIW2020 Challengeでサポートされている。
私たちのチーム(ustc-nelslip)は、トラックIIで1位、トラックIで3位だった。
コードはhttps://github.com/gniknoil/FG2020-kinshipで入手できる。
関連論文リスト
- A Powerful Face Preprocessing For Robust Kinship Verification based
Tensor Analyses [0.6829272097221595]
子どもと親の顔画像から始まる関連性をチェックするシステムを導入し,その関連性の有無を明らかにする。
以上の結果から,現在使用されている他の戦略と比較すると,システムは堅牢であることがわかった。
論文 参考訳（メタデータ） (2023-12-18T15:33:26Z) - Beyond Sharing Weights in Decoupling Feature Learning Network for UAV
RGB-Infrared Vehicle Re-Identification [7.907187589000295]
無人航空機(UAV)をベースとしたクロスモダリティ車両のRe-IDは、ビデオ監視と公共セキュリティにおいて注目を集めている。
我々はUAVクロスモダリティ・ビークル・Re-ID(UCM-VeID)という,16015RGBと13913赤外画像の753のIDを含むクロスモダリティ車両Re-IDベンチマークを考案した。
そこで本研究では,ハイブリッドウェイトデカップリングネットワーク(HWDNet)を提案する。
論文 参考訳（メタデータ） (2023-10-12T04:12:43Z) - Object Segmentation by Mining Cross-Modal Semantics [68.88086621181628]
マルチモーダル特徴の融合と復号を導くために,クロスモーダル・セマンティックスをマイニングする手法を提案する。
具体的には,(1)全周減衰核融合(AF),(2)粗大デコーダ(CFD),(3)多層自己超越からなる新しいネットワークXMSNetを提案する。
論文 参考訳（メタデータ） (2023-05-17T14:30:11Z) - Kinship Verification Based on Cross-Generation Feature Interaction
Learning [53.62256887837659]
顔画像からの血縁検証は、コンピュータビジョンの応用において、新しいが挑戦的な技術として認識されている。
本稿では,頑健な親族関係検証のためのクロスジェネレーション・インタラクション・ラーニング(CFIL)フレームワークを提案する。
論文 参考訳（メタデータ） (2021-09-07T01:50:50Z) - Exploring Visual Context for Weakly Supervised Person Search [155.46727990750227]
人探索は、歩行者の検出と人物の再識別を共同で扱う、困難なタスクとして最近登場した。
既存のアプローチは、バウンディングボックスとIDアノテーションの両方が利用可能な完全に教師付き設定に従っている。
本稿では,ボックスアノテーションのみを用いた弱教師付き人物検索について実験的に考察する。
論文 参考訳（メタデータ） (2021-06-19T14:47:13Z) - DeepI2P: Image-to-Point Cloud Registration via Deep Classification [71.3121124994105]
DeepI2Pは、イメージとポイントクラウドの間のクロスモダリティ登録のための新しいアプローチです。
本手法は,カメラとライダーの座標フレーム間の相対的剛性変換を推定する。
登録問題を分類および逆カメラ投影最適化問題に変換することで難易度を回避する。
論文 参考訳（メタデータ） (2021-04-08T04:27:32Z) - Decoupled and Memory-Reinforced Networks: Towards Effective Feature
Learning for One-Step Person Search [65.51181219410763]
歩行者検出と識別サブタスクを1つのネットワークで処理するワンステップ方式を開発しました。
現在のワンステップアプローチには2つの大きな課題があります。
本稿では,これらの問題を解決するために,分離メモリ強化ネットワーク(DMRNet)を提案する。
論文 参考訳（メタデータ） (2021-02-22T06:19:45Z) - A Multi-Task Comparator Framework for Kinship Verification [5.908471365011942]
親族鑑定は、しばしば顔の識別特徴間のコサイン距離に依存する。
これらの特徴に固有のジェンダーバイアスは、2つの反対ジェンダーペアが関連しているかどうかを確実に予測することを困難にしている。
RFIW Challenge 2020の2つのトラックで、我々のフレームワークは、この性別バイアスに対して堅牢であり、同等の結果が得られることを示す。
論文 参考訳（メタデータ） (2020-06-02T14:00:09Z) - Retrieval of Family Members Using Siamese Neural Network [20.360475286657877]
対象者の家族の検索は,対象者の家族をデータセットで検索することを目的としている。
我々は,ディープ・シームズニューラルネットワークによる解を提案する。
私たちのソリューションは、類似性とランキングの2つの部分に分けられます。
論文 参考訳（メタデータ） (2020-05-30T04:32:16Z) - Recognizing Families through Images with Pretrained Encoder [0.1909808926064466]
血縁検証と血縁検索はコンピュータビジョンにおける新たな課題である。
我々は、FaceNet, Siamese VGG-Face の3つの手法と、FaceNet と VGG-Face のモデルを組み合わせて特徴抽出を行う。
論文 参考訳（メタデータ） (2020-05-24T17:59:19Z) - Cascaded Human-Object Interaction Recognition [175.60439054047043]
マルチステージで粗大なHOI理解のためのカスケードアーキテクチャを提案する。
各段階で、インスタンスローカライゼーションネットワークは、HOI提案を段階的に洗練し、インタラクション認識ネットワークにフィードする。
慎重に設計された人間中心の関係機能により、これらの2つのモジュールは効果的な相互作用理解に向けて協調的に機能する。
論文 参考訳（メタデータ） (2020-03-09T17:05:04Z)
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。