論文の概要: Multi-view Deep Features for Robust Facial Kinship Verification

• arxiv url: http://arxiv.org/abs/2006.01315v1
• Date: Mon, 1 Jun 2020 23:33:18 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-26 07:26:02.140493
• Title: Multi-view Deep Features for Robust Facial Kinship Verification
• Title（参考訳）: ロバストな顔関係検証のための多視点深部特徴
• Authors: Oualid Laiadi and Abdelmalik Ouamane and Abdelhamid Benakcha and Abdelmalik Taleb-Ahmed and Abdenour Hadid
• Abstract要約: マルチビューの深い特徴に基づく効果的な顔特徴抽出モデルを提案する。 本稿では,WCCN法統合に基づく計量学習手法がSimple Scoring Cosine similarity (SSC)法をいかに改善できるかを示す。
• 参考スコア（独自算出の注目度）: 12.333543266494075
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automatic kinship verification from facial images is an emerging research topic in machine learning community. In this paper, we proposed an effective facial features extraction model based on multi-view deep features. Thus, we used four pre-trained deep learning models using eight features layers (FC6 and FC7 layers of each VGG-F, VGG-M, VGG-S and VGG-Face models) to train the proposed Multilinear Side-Information based Discriminant Analysis integrating Within Class Covariance Normalization (MSIDA+WCCN) method. Furthermore, we show that how can metric learning methods based on WCCN method integration improves the Simple Scoring Cosine similarity (SSC) method. We refer that we used the SSC method in RFIW'20 competition using the eight deep features concatenation. Thus, the integration of WCCN in the metric learning methods decreases the intra-class variations effect introduced by the deep features weights. We evaluate our proposed method on two kinship benchmarks namely KinFaceW-I and KinFaceW-II databases using four Parent-Child relations (Father-Son, Father-Daughter, Mother-Son and Mother-Daughter). Thus, the proposed MSIDA+WCCN method improves the SSC method with 12.80% and 14.65% on KinFaceW-I and KinFaceW-II databases, respectively. The results obtained are positively compared with some modern methods, including those that rely on deep learning.
• Abstract（参考訳）: 顔画像の自動親和性検証は、機械学習コミュニティにおける新たな研究トピックである。 本稿では,多視点深度特徴に基づく効果的な顔特徴抽出モデルを提案する。 そこで本研究では,VGG-F,VGG-M,VGG-S,VGG-Faceの各モデルの8つの特徴層(FC6,FC7層)を用いて,クラス共分散正規化(MSIDA+WCCN)法を組み込んだ多線形側情報に基づく識別分析の訓練を行った。 さらに,wccn法統合に基づくメトリクス学習手法が,単純なスコアリングコサイン類似性(ssc)法をいかに改善するかを示す。 我々は、rfiw'20 コンペティションにおいて 8 つの深い特徴の結合を用いて ssc 法を用いた。 したがって、計量学習法におけるWCCNの統合は、深い特徴重みによってもたらされるクラス内変動効果を減少させる。 本研究では,4つの親子関係(父子,父子,母子,母子)を用いて,KinFaceW-IとKinFaceW-IIデータベースという2つの親子関係のベンチマークを行った。 そこで提案したMSIDA+WCCN法は,KinFaceW-IデータベースとKinFaceW-IIデータベースでそれぞれ12.80%,14.65%のSSC法を改善した。 得られた結果は、ディープラーニングに依存するものを含む、いくつかの現代的な方法と正に比較される。

関連論文リスト

• High-Performance Few-Shot Segmentation with Foundation Models: An Empirical Study [64.06777376676513]
  基礎モデルに基づく数ショットセグメンテーション(FSS)フレームワークを開発した。 具体的には、基礎モデルから暗黙的な知識を抽出し、粗い対応を構築するための簡単なアプローチを提案する。 2つの広く使われているデータセットの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2024-09-10T08:04:11Z)
• ConvBLS: An Effective and Efficient Incremental Convolutional Broad Learning System for Image Classification [63.49762079000726]
  球状K-means(SKM)アルゴリズムと2段階マルチスケール(TSMS)機能融合に基づく畳み込み広範学習システム(ConvBLS)を提案する。 提案手法は前代未聞の効率的かつ効果的である。
  論文  参考訳（メタデータ） (2023-04-01T04:16:12Z)
• Weighted Ensemble Self-Supervised Learning [67.24482854208783]
  組み立ては、モデルパフォーマンスを高めるための強力なテクニックであることが証明されている。 我々は,データ依存型重み付きクロスエントロピー損失を許容するフレームワークを開発した。 提案手法は、ImageNet-1K上での複数の評価指標において、両者に優れる。
  論文  参考訳（メタデータ） (2022-11-18T02:00:17Z)
• Taming Self-Supervised Learning for Presentation Attack Detection: De-Folding and De-Mixing [42.733666815035534]
  各種提示攻撃装置(PAI)を用いた提示攻撃に対して生体認証システムは脆弱である DF-DMと呼ばれる自己教師型学習手法を提案する。 DF-DMは、PDDのタスク固有の表現を導出するために、De-FoldingとDe-Mixingと結合したグローバルローカルビューに基づいている。
  論文  参考訳（メタデータ） (2021-09-09T08:38:17Z)
• BCFNet: A Balanced Collaborative Filtering Network with Attention Mechanism [106.43103176833371]
  協調フィルタリング(CF)ベースの推奨方法が広く研究されている。 BCFNet(Balanced Collaborative Filtering Network)という新しい推薦モデルを提案する。 さらに注意機構は、暗黙のフィードバックの中で隠れた情報をよりよく捉え、ニューラルネットワークの学習能力を強化するように設計されている。
  論文  参考訳（メタデータ） (2021-03-10T14:59:23Z)
• Multi-level Feature Learning on Embedding Layer of Convolutional Autoencoders and Deep Inverse Feature Learning for Image Clustering [6.5358895450258325]
  我々は集合的クラスタリングを多段階の特徴学習として使用し、潜在的特徴空間の階層構造を提供する。 マルチレベル機能学習を適用することで、基本的な深層畳み込みクラスタリングが大幅に改善される。 CAE-MLEの深い逆特徴学習(Deep IFL)は、最先端の結果につながる新しいアプローチである。
  論文  参考訳（メタデータ） (2020-10-05T21:24:10Z)
• Learning Expectation of Label Distribution for Facial Age and Attractiveness Estimation [65.5880700862751]
  本稿では,2つの最先端手法(Ranking-CNNとDLDL)の本質的な関係を解析し,ランキング法が実際にラベル分布を暗黙的に学習していることを示す。 軽量なネットワークアーキテクチャを提案し、顔属性の分布と回帰属性の値を共同で学習できる統一的なフレームワークを提案する。 提案手法は,36$times$パラメータが小さく,3$times$が顔の年齢/魅力度推定における高速な推論速度を持つ単一モデルを用いて,新しい最先端結果を実現する。
  論文  参考訳（メタデータ） (2020-07-03T15:46:53Z)
• Generalized Reinforcement Meta Learning for Few-Shot Optimization [3.7675996866306845]
  本稿では, 汎用的かつ柔軟な強化学習(RL)に基づくメタラーニングフレームワークを提案する。 我々のフレームワークは簡単にネットワークアーキテクチャ検索に拡張できる。
  論文  参考訳（メタデータ） (2020-05-04T03:21:05Z)
• Deep Multi-task Multi-label CNN for Effective Facial Attribute Classification [53.58763562421771]
  DMM-CNN(ディープ・マルチタスク・マルチラベル・CNN)による効果的な顔属性分類(FAC)を提案する。 具体的には、DMM-CNNは、2つの密接に関連するタスク(顔のランドマーク検出とFAC)を共同で最適化し、マルチタスク学習を活用することにより、FACの性能を向上させる。 2つの異なるネットワークアーキテクチャは2つの属性のグループの特徴を抽出するために設計され、トレーニング中に各顔属性に損失重みを自動的に割り当てる新しい動的重み付け方式が提案されている。
  論文  参考訳（メタデータ） (2020-02-10T12:34:16Z)

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。