論文の概要: Subclass Contrastive Loss for Injured Face Recognition
- arxiv url: http://arxiv.org/abs/2008.01993v1
- Date: Wed, 5 Aug 2020 08:30:29 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-02 18:21:05.949009
- Title: Subclass Contrastive Loss for Injured Face Recognition
- Title（参考訳）: 顔認証におけるサブクラスコントラスト損失
- Authors: Puspita Majumdar, Saheb Chhabra, Richa Singh, Mayank Vatsa
- Abstract要約: 本稿では, ケガを負った顔認識の問題点に対処し, 課題に対する新たなサブクラスコントラスト損失(SCL)を提案する。
Injured Face (IF) データベースと呼ばれる新しいデータベースも、この方向の研究を促進するために作成されている。
- 参考スコア（独自算出の注目度）: 79.14062188261163
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deaths and injuries are common in road accidents, violence, and natural
disaster. In such cases, one of the main tasks of responders is to retrieve the
identity of the victims to reunite families and ensure proper identification of
deceased/ injured individuals. Apart from this, identification of unidentified
dead bodies due to violence and accidents is crucial for the police
investigation. In the absence of identification cards, current practices for
this task include DNA profiling and dental profiling. Face is one of the most
commonly used and widely accepted biometric modalities for recognition.
However, face recognition is challenging in the presence of facial injuries
such as swelling, bruises, blood clots, laceration, and avulsion which affect
the features used in recognition. In this paper, for the first time, we address
the problem of injured face recognition and propose a novel Subclass
Contrastive Loss (SCL) for this task. A novel database, termed as Injured Face
(IF) database, is also created to instigate research in this direction.
Experimental analysis shows that the proposed loss function surpasses existing
algorithm for injured face recognition.
- Abstract（参考訳）: 交通事故、暴力、自然災害などで死亡者や負傷者が多い。
このような場合、被害者の身元を回収して家族を再会させ、死亡者や負傷者の適切な身元確認を行うことが主な任務の1つとなる。
これとは別に、暴力や事故による身元不明の死体の特定が警察の捜査に不可欠である。
識別カードがない場合は、DNAプロファイリングと歯科プロファイリングが現在行われている。
顔は認識のための最も一般的に使われ、広く受け入れられている生体計測のモダリティの1つである。
しかし、顔認証は、腫れ、傷、血の塊、裂け目、そして認識に使用される特徴に影響を及ぼすような顔面外傷の存在下では困難である。
本稿では,創傷者の顔認証の問題点に初めて対処し,この課題に対する新たなサブクラスコントラストロス(SCL)を提案する。
Injured Face (IF) データベースと呼ばれる新しいデータベースも、この方向の研究を促進するために作成されている。
実験解析により,提案手法が既存の顔認証アルゴリズムを上回っていることが分かった。
関連論文リスト
- Seeing through the Mask: Multi-task Generative Mask Decoupling Face
Recognition [47.248075664420874]
現在の一般的な顔認識システムは、隠蔽シーンに遭遇する際の重大な性能劣化に悩まされている。
本稿では,これら2つのタスクを協調的に扱うために,マルチタスクのgEnerative mask dEcoupling Face Recognition (MEER) ネットワークを提案する。
まず,マスクと識別情報を分離する新しいマスクデカップリングモジュールを提案する。
論文 参考訳（メタデータ） (2023-11-20T03:23:03Z) - Exploring Decision-based Black-box Attacks on Face Forgery Detection [53.181920529225906]
顔の偽造生成技術は鮮明な顔を生み出し、セキュリティとプライバシーに対する世間の懸念を高めている。
顔偽造検出は偽の顔の識別に成功しているが、最近の研究では顔偽造検出は敵の例に対して非常に脆弱であることが示されている。
論文 参考訳（メタデータ） (2023-10-18T14:49:54Z) - Towards Intrinsic Common Discriminative Features Learning for Face
Forgery Detection using Adversarial Learning [59.548960057358435]
本稿では, 対人学習を利用して, 異なる偽造法と顔の同一性による負の効果を除去する手法を提案する。
我々の顔偽造検出モデルは、偽造法や顔の同一性の影響を排除し、共通の識別的特徴を抽出することを学ぶ。
論文 参考訳（メタデータ） (2022-07-08T09:23:59Z) - A Novel Face-Anti Spoofing Neural Network Model For Face Recognition And
Detection [0.0]
顔認識(FR)システムは、道路横断、銀行、モバイルバンキングなど、様々な用途で使われている。
FRシステムの普及により、顔バイオメトリックスのスプーフ攻撃に対する安全性に対する懸念が高まっている。
本研究は,既存のモデルより優れ,効率が0.89パーセントの対面型ニューラルネットワークモデルを提案する。
論文 参考訳（メタデータ） (2022-05-14T05:14:48Z) - Assessing Privacy Risks from Feature Vector Reconstruction Attacks [24.262351521060676]
我々は、再構成された顔画像の脅威を有意義に捉える指標を開発する。
再構成された顔画像は、商業的な顔認識システムと人間の両方による再識別を可能にすることを示す。
その結果,特徴ベクトルはパーソナライズ可能な情報として認識されるべきであることが確認された。
論文 参考訳（メタデータ） (2022-02-11T16:52:02Z) - Masked Face Recognition using ResNet-50 [0.0]
新型コロナウイルス(COVID-19)の感染拡大に伴い、健康危機に直面しています。
公衆衛生当局は、病気の感染を65%削減できるフェイスマスクの使用を義務付けています。
本稿では,顔を正確に識別できる深層学習モデルを開発することにより,同じ問題を解明する。
論文 参考訳（メタデータ） (2021-04-19T01:09:47Z) - Towards Face Encryption by Generating Adversarial Identity Masks [53.82211571716117]
敵の識別マスクを生成するためのターゲットID保護反復法(TIP-IM)を提案する。
TIP-IMは、様々な最先端の顔認識モデルに対して95%以上の保護成功率を提供する。
論文 参考訳（メタデータ） (2020-03-15T12:45:10Z) - Investigating the Impact of Inclusion in Face Recognition Training Data
on Individual Face Identification [93.5538147928669]
最新のオープンソースの顔認識システムであるArcFaceを、100万枚以上の散らばった画像を用いた大規模な顔識別実験で監査する。
モデルのトレーニングデータには79.71%、存在しない人には75.73%のランク1顔認証精度がある。
論文 参考訳（メタデータ） (2020-01-09T15:50:28Z)
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。