論文の概要: Challenge report: Recognizing Families In the Wild Data Challenge
- arxiv url: http://arxiv.org/abs/2006.00154v1
- Date: Sat, 30 May 2020 03:01:56 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-26 17:59:21.142464
- Title: Challenge report: Recognizing Families In the Wild Data Challenge
- Title(参考訳): チャレンジレポート:野生のデータチャレンジにおける家族認識
- Authors: Zhipeng Luo, Zhiguang Zhang, Zhenyu Xu, Lixuan Che
- Abstract要約: 本稿は、FG 2020フォーラムと共同で第4版(Recognizing Families In the Wild Data Challenge)を提出した短い報告である。
本稿では,従来の手法を検討,提案手法を提案するとともに,深部メートル法などの多くの手法を用いて,画像毎の深部埋め込みの特徴を抽出し,それらがユークリッド距離やクラスに基づく方法による血縁関係であるかどうかを判定する。
- 参考スコア(独自算出の注目度): 17.070016479682096
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper is a brief report to our submission to the Recognizing Families In
the Wild Data Challenge (4th Edition), in conjunction with FG 2020 Forum.
Automatic kinship recognition has attracted many researchers' attention for its
full application, but it is still a very challenging task because of the
limited information that can be used to determine whether a pair of faces are
blood relatives or not. In this paper, we studied previous methods and proposed
our method. We try many methods, like deep metric learning-based, to extract
deep embedding feature for every image, then determine if they are blood
relatives by Euclidean distance or method based on classes. Finally, we find
some tricks like sampling more negative samples and high resolution that can
help get better performance. Moreover, we proposed a symmetric network with a
binary classification based method to get our best score in all tasks.
- Abstract(参考訳): 本稿は、FG 2020フォーラムと共同で第4版(Recognizing Families In the Wild Data Challenge)を提出した短い報告である。
自動親和性認識は完全な応用のために多くの研究者の注意を引き付けてきたが、顔が血縁者かどうかを判断できる限られた情報のために、依然として非常に難しい課題である。
本稿では,これまでの手法を考察し,提案手法を提案する。
ディープメトリック学習(deep metric learning-based)のような多くの手法を試し、各画像の深い埋め込み特徴を抽出し、ユークリッド距離やクラスに基づく方法によってそれらが血縁であるかどうかを判断する。
最後に、よりネガティブなサンプルのサンプリングや、パフォーマンス向上に役立つ高解像度化といったトリックを見つけます。
さらに,全てのタスクにおいて最高のスコアを得るために,二項分類に基づく対称ネットワークを提案する。
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) - Prompt-Guided Retrieval Augmentation for Non-Knowledge-Intensive Tasks [11.197027472291905]
PGRAと呼ばれるNKIタスクのための2段階のフレームワークを提案する。
第1段階ではタスク非依存のレトリバーを採用し、共有静的インデックスを構築し、効率的な候補証拠を選択する。
第2段階では、読者のタスク固有の関連性に応じて、最も近いエビデンスをリランクするプロンプト誘導型リランカを設計する。
論文 参考訳(メタデータ) (2023-05-28T07:27:12Z) - Active Multi-Task Representation Learning [50.13453053304159]
本研究は,アクティブラーニングの手法を活用することで,資源タスクのサンプリングに関する最初の公式な研究を行う。
提案手法は, 対象タスクに対する各ソースタスクの関連性を反復的に推定し, その関連性に基づいて各ソースタスクからサンプルを抽出するアルゴリズムである。
論文 参考訳(メタデータ) (2022-02-02T08:23:24Z) - Fuzzy-Rough Nearest Neighbour Approaches for Emotion Detection in Tweets [1.7581155313656314]
ソーシャルメディアは、感情分析や感情認識といった様々なタスクで使用できる意味のあるデータの本質的な情報源である。
ファジィ粗近傍(FRNN)に基づくSemEval-2018感情検出タスクのためのアプローチを開発する。
我々の結果は、より複雑なディープラーニング手法に基づく最高のSemEvalソリューションと競合する。
論文 参考訳(メタデータ) (2021-07-08T12:52:47Z) - Combining Feature and Instance Attribution to Detect Artifacts [62.63504976810927]
トレーニングデータアーティファクトの識別を容易にする手法を提案する。
提案手法は,トレーニングデータのアーティファクトの発見に有効であることを示す。
我々は,これらの手法が実際にNLP研究者にとって有用かどうかを評価するために,小規模なユーザスタディを実施している。
論文 参考訳(メタデータ) (2021-07-01T09:26:13Z) - Distribution Alignment: A Unified Framework for Long-tail Visual
Recognition [52.36728157779307]
長尾視覚認識のための分散アライメント戦略を提案する。
次に,二段階学習における一般化された再重み付け法を導入して,事前のクラスバランスをとる。
提案手法は, 4つの認識タスクすべてにおいて, 単純で統一されたフレームワークを用いて最先端の結果を得る。
論文 参考訳(メタデータ) (2021-03-30T14:09:53Z) - Face Forensics in the Wild [121.23154918448618]
我々は、ffiw-10kと呼ばれる新しい大規模データセットを構築し、高品質の偽造ビデオ1万本を含む。
操作手順は完全自動で、ドメイン対逆品質評価ネットワークによって制御されます。
さらに,多人数顔偽造検出の課題に取り組むための新しいアルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-03-30T05:06:19Z) - DeepStyle: User Style Embedding for Authorship Attribution of Short
Texts [57.503904346336384]
オーサシップアトリビューション(AA)は、多くのアプリケーションで重要で広く研究されている研究トピックです。
近年の研究では、深層学習がAAタスクの精度を大幅に向上させることが示されている。
本稿では,ユーザの健全な書き込みスタイルの表現を学習する新しい埋め込み型フレームワークであるDeepStyleを提案する。
論文 参考訳(メタデータ) (2021-03-14T15:56:37Z) - Diverse Knowledge Distillation for End-to-End Person Search [81.4926655119318]
人物検索は、画像ギャラリーから特定の人物をローカライズし識別することを目的としている。
最近の手法は2つのグループ、すなわち2段階とエンドツーエンドのアプローチに分類できる。
ボトルネックを解消するために、多様な知識蒸留を備えたシンプルで強力なエンドツーエンドネットワークを提案します。
論文 参考訳(メタデータ) (2020-12-21T09:04:27Z)
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。