Fugu-MT 論文翻訳(概要): Agrupamento de Pixels para o Reconhecimento de Faces

論文の概要: Agrupamento de Pixels para o Reconhecimento de Faces

arxiv url: http://arxiv.org/abs/2006.05652v1
Date: Wed, 10 Jun 2020 04:42:07 GMT
ステータス: 処理完了
システム内更新日: 2022-11-23 05:52:28.734516
Title: Agrupamento de Pixels para o Reconhecimento de Faces
Title（参考訳）: Agrupamento de Pixels para o Reconhecimento de Faces
Authors: Tiago Buarque Assun\c{c}\~ao de Carvalho
Abstract要約: この研究は、顔認識が画像収縮による影響が低いという観察から始まった。我々はPixel Clustering法を提案し、画像内のピクセルが互いに非常によく似ている領域を定義した。実験では3つの顔データベースを使用し、512が高精細画像認識に必要な機能の最大数であることに気付いた。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This research starts with the observation that face recognition can suffer a low impact from significant image shrinkage. To explain this fact, we proposed the Pixel Clustering methodology. It defines regions in the image in which its pixels are very similar to each other. We extract features from each region. We used three face databases in the experiments. We noticed that 512 is the maximum number of features needed for high accuracy image recognition. The proposed method is also robust, even if only it uses a few classes from the training set.
Abstract（参考訳）: この研究は、顔認識が画像収縮による影響が低いという観察から始まった。この事実を説明するために,我々は画素クラスタリング手法を提案した。画像内のピクセルが互いに非常によく似た領域を定義する。各地域の特徴を抽出する。実験には3つの顔データベースを使用しました。 512は高精細画像認識に必要な特徴の最大数であることがわかった。トレーニングセットから数クラスを使用していても,提案手法は堅牢である。

関連論文リスト

Superpixels algorithms through network community detection [0.0]
コミュニティ検出は複雑なネットワーク分析の強力なツールであり、様々な研究分野の応用を見出すことができる。スーパーピクセルは、可能な限りオリジナル情報を保存しながら、画像をより小さなレベルで表現することを目的としている。 4つの連結画素グラフ上で,最先端のコミュニティ検出アルゴリズムによって計算されたスーパーピクセルの効率について検討した。
論文参考訳（メタデータ） (2023-08-27T13:13:28Z)
Image Reconstruction using Superpixel Clustering and Tensor Completion [21.088385725444944]
本手法では,重要なテクスチャやセマンティクスを捉えた複数の領域に分割し,各領域から代表画素を選択して保存する。本稿では,2つのスムーズなテンソル補完アルゴリズムを提案する。
論文参考訳（メタデータ） (2023-05-16T16:00:48Z)
Human Face Recognition from Part of a Facial Image based on Image Stitching [0.0]
現在の顔認識技術のほとんどは、認識される人物の完全な顔の存在を必要とする。そこで本研究では,欠損部を画像に示す部分のフリップで縫合する工程を採用した。ここで適用された顔認識アルゴリズムは固有顔と幾何学的手法である。
論文参考訳（メタデータ） (2022-03-10T19:31:57Z)
Long-Range Feature Propagating for Natural Image Matting [93.20589403997505]
自然画像マッチングは、トリマップ内の未知領域のアルファ値を推定する。近年、深層学習に基づく手法は、その類似性に応じて、既知の領域から未知領域へのアルファ値の伝播を行っている。本稿では,Alpha matte 推定のために受信フィールド外における長距離コンテキスト特徴を学習する Long-Range Feature Propagating Network (LFPNet) を提案する。
論文参考訳（メタデータ） (2021-09-25T01:17:17Z)
Robust Face-Swap Detection Based on 3D Facial Shape Information [59.32489266682952]
顔のスワップ画像やビデオは、悪意ある攻撃者を惹きつけ、重要な人物の信用を損ねている。以前のピクセルレベルのアーティファクトに基づく検出技術は、常に不明瞭なパターンにフォーカスするが、利用可能なセマンティックなヒントは無視する。キーフィギュアの顔・スワップ検出のための外観・形状特徴をフル活用するための生体情報に基づく手法を提案する。
論文参考訳（メタデータ） (2021-04-28T09:35:48Z)
Contrastive Rendering for Ultrasound Image Segmentation [59.23915581079123]
米国の画像にシャープな境界がないことは、セグメンテーションに固有の課題である。我々は,US画像における境界推定を改善するための,新しい,効果的なフレームワークを提案する。提案手法は最先端の手法より優れており,臨床応用の可能性も高い。
論文参考訳（メタデータ） (2020-10-10T07:14:03Z)
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)
Explainable Face Recognition [4.358626952482686]
本稿では,説明可能な顔認識のための総合的なベンチマークとベースライン評価を行う。 95人の被験者からなる3648個の三つ子(プローブ,配偶子,非配偶子)のキュレートしたセットである「インペイントゲーム」と呼ばれる新しい評価プロトコルを定義した。探索画像内のどの領域が交配画像と一致しているかを最もよく説明するネットワークアテンションマップを生成するための説明可能なフェイスマーカを課題とする。
論文参考訳（メタデータ） (2020-08-03T14:47:51Z)
Edge-aware Graph Representation Learning and Reasoning for Face Parsing [61.5045850197694]
顔解析は、最近注目されている各顔成分にピクセルワイズラベルを推論する。従来は顔解析における効率性を示してきたが, 異なる顔領域間の相関性を見落としている。本稿では,グラフ表現の学習による地域関係のモデル化と推論を提案する。
論文参考訳（メタデータ） (2020-07-22T07:46:34Z)
Do We Need Depth in State-Of-The-Art Face Authentication? [8.755493949976492]
本研究では,顔表面や深度マップを明示的に計算することなく,ステレオカメラシステムから顔を認識する新しい手法を提案する。原顔ステレオ画像は、顔が抽出された画像の位置とともに、提案したCNNが認識タスクを改善することができる。提案手法は,大規模ベンチマークにおいて,単一画像と明示的深度に基づく手法の両方に優れることを示した。
論文参考訳（メタデータ） (2020-03-24T14:51:25Z)
Geometrically Mappable Image Features [85.81073893916414]
地図内のエージェントの視覚に基づくローカライゼーションは、ロボット工学とコンピュータビジョンにおいて重要な問題である。本稿では,画像検索を対象とした画像特徴学習手法を提案する。
論文参考訳（メタデータ） (2020-03-21T15:36:38Z)

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。