論文の概要: MaskedFace-Net -- A Dataset of Correctly/Incorrectly Masked Face Images
in the Context of COVID-19
- arxiv url: http://arxiv.org/abs/2008.08016v1
- Date: Tue, 18 Aug 2020 16:38:11 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-27 22:06:51.370706
- Title: MaskedFace-Net -- A Dataset of Correctly/Incorrectly Masked Face Images
in the Context of COVID-19
- Title（参考訳）: MaskedFace-Net -- COVID-19の文脈で、正しくも正しくもマスクされた顔画像のデータセット
- Authors: Adnane Cabani, Karim Hammoudi, Halim Benhabiles and Mahmoud Melkemi
- Abstract要約: マスクの着用は、新型コロナウイルスの感染拡大を制限する解決策として現れる。
このタスクを行うためには,マスクを着用している人やマスクを着用していない人を検出するために,深層学習モデルの訓練にマスク付き顔の大規模なデータセットが必要である。
マスクされた顔の大規模なデータセットが文献で公開されているが、現在、検出されたマスクされた顔が正しく着用されているかどうかを確認できるマスクされた顔画像の大規模なデータセットは存在しない。
- 参考スコア（独自算出の注目度）: 2.7528170226206443
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The wearing of the face masks appears as a solution for limiting the spread
of COVID-19. In this context, efficient recognition systems are expected for
checking that people faces are masked in regulated areas. To perform this task,
a large dataset of masked faces is necessary for training deep learning models
towards detecting people wearing masks and those not wearing masks. Some large
datasets of masked faces are available in the literature. However, at the
moment, there are no available large dataset of masked face images that permits
to check if detected masked faces are correctly worn or not. Indeed, many
people are not correctly wearing their masks due to bad practices, bad
behaviors or vulnerability of individuals (e.g., children, old people). For
these reasons, several mask wearing campaigns intend to sensitize people about
this problem and good practices. In this sense, this work proposes three types
of masked face detection dataset; namely, the Correctly Masked Face Dataset
(CMFD), the Incorrectly Masked Face Dataset (IMFD) and their combination for
the global masked face detection (MaskedFace-Net). Realistic masked face
datasets are proposed with a twofold objective: i) to detect people having
their faces masked or not masked, ii) to detect faces having their masks
correctly worn or incorrectly worn (e.g.; at airport portals or in crowds). To
the best of our knowledge, no large dataset of masked faces provides such a
granularity of classification towards permitting mask wearing analysis.
Moreover, this work globally presents the applied mask-to-face deformable model
for permitting the generation of other masked face images, notably with
specific masks. Our datasets of masked face images (137,016 images) are
available at https://github.com/cabani/MaskedFace-Net.
- Abstract（参考訳）: マスクの着用は、新型コロナウイルスの感染拡大を制限する解決策として現れる。
この文脈では, 顔が規制区域で隠蔽されていることを確認するために, 効率的な認識システムが期待されている。
このタスクを行うためには,マスクを着用している人やマスクを着用していない人を検出するために,深層学習モデルの訓練にマスク付き顔の大規模なデータセットが必要である。
マスクされた顔の大規模なデータセットが文献に載っている。
しかし現時点では、検出された顔が正しく着用されているかどうかを確認できるマスクされた顔画像の大規模なデータセットは存在しない。
実際、多くの人々は悪い習慣、悪い行動、個人(例えば子供、老人)の脆弱性のためにマスクを正しく着用していません。
これらの理由から、マスク着用キャンペーンのいくつかは、この問題と実践の良さを人々に認識させようとしている。
この意味では, 正面型顔検出データセット (cmfd) と誤面型顔検出データセット (imfd) と, 世界面型顔検出データセット (maskedface-net) の組み合わせの3種類のマスク型顔検出データセットを提案する。
現実的なマスク付き顔データセットを2倍の目的で提案する。
一 顔がマスクされているか、マスクしていないかを検出すること。
二 マスクを正しく着用し、又は不正に着用した顔(空港のポータル又は群衆など)を検出すること。
我々の知る限りでは、マスク付き顔の大規模なデータセットは、マスク着用の分析を許可するための分類の粒度を提供していない。
さらに, この研究は, マスク・ツー・フェイス・デフォルマブル・モデルを用いて, マスク・ツー・フェイスの他のマスク画像の生成を可能にする。
マスクされた顔画像(137,016画像)のデータセットは、https://github.com/cabani/maskedface-netで利用可能です。
関連論文リスト
- Layered Depth Refinement with Mask Guidance [61.10654666344419]
汎用マスクを用いてSIDEモデルの深度予測を洗練させるマスク誘導深度改善の新しい問題を定式化する。
本フレームワークは,奥行きマップをマスクと逆マスクで表される2つの別々の層に分解し,層状改質・塗装・塗装を行う。
本手法は,内面境界領域と外面境界領域の深度を正確に補正し,異なる種類のマスクや初期深度予測に対して堅牢であることを示す。
論文 参考訳（メタデータ） (2022-06-07T06:42:44Z) - FaceMAE: Privacy-Preserving Face Recognition via Masked Autoencoders [81.21440457805932]
顔のプライバシと認識性能を同時に考慮する新しいフレームワークFaceMAEを提案する。
ランダムにマスクされた顔画像は、FaceMAEの再構築モジュールのトレーニングに使用される。
また、いくつかの公開顔データセット上で十分なプライバシー保護顔認証を行う。
論文 参考訳（メタデータ） (2022-05-23T07:19:42Z) - Invertible Mask Network for Face Privacy-Preserving [101.08196206784376]
Invertible "Mask" Network (IMN) に基づく顔のプライバシー保護手法を提案する。
提案手法は保護面のプライバシーを効果的に保護するだけでなく,マスク面から保護面をほぼ完全に復元する。
論文 参考訳（メタデータ） (2022-04-19T13:44:46Z) - Masked Faces with Faced Masks [17.927951630747483]
顔認証システム(FRS)は、被験者が顔マスクを着用しているときにまだ不足している。
直感的な部分的治療は、マスク検出器を追加してマスクされた顔にフラグを付けることで、FRSがそれに従って動作できるようにすることである。
本研究では,マスク検出装置を備えたFRSの大規模マスク面における潜在的な脆弱性について検討した。
論文 参考訳（メタデータ） (2022-01-17T14:37:33Z) - MLFW: A Database for Face Recognition on Masked Faces [56.441078419992046]
Masked LFW (MLFW) は、マスクのない顔からマスクされた顔を自動的に生成するツールである。
SOTAモデルの認識精度は、元の画像の精度と比較して、MLFWデータベース上で5%-16%低下する。
論文 参考訳（メタデータ） (2021-09-13T09:30:10Z) - A realistic approach to generate masked faces applied on two novel
masked face recognition data sets [14.130698536174767]
本稿では,マスクのない顔を含むデータセットを合成マスクを作成し,元の画像の顔に重ね合わせることによって拡張する手法を提案する。
CASIA-WebFaceデータセットの445,446 (90%) のマスクと,CelebAデータセットの196,254 (96.8%) のマスクを生成した。
本手法は, 被験者に対して, 他の方法やデータセットと定性的に比較するように依頼することで, 顔にオーバーレイしたマスクのより現実的なトレーニング例を生成する。
論文 参考訳（メタデータ） (2021-09-03T22:33:55Z) - CoverTheFace: face covering monitoring and demonstrating using deep
learning and statistical shape analysis [6.0645077747881855]
マスクを着用することは、新型コロナウイルスのパンデミックに対する強力な保護だ。
この観察により,マスクを着用している人の状態を自動で監視する手法が考案された。
これまでの研究とは違って、マスク検出だけでなく、適切なマスク着用に関するパーソナライズされたデモンストレーションの作成にも重点を置いています。
論文 参考訳（メタデータ） (2021-08-23T22:11:07Z) - Indian Masked Faces in the Wild Dataset [86.79402670904338]
本研究では,ポーズ,照明,解像度,被検者の着用するマスクの多様さを特徴とする,IMFWデータセットを新たに提案する。
また,提案したIMFWデータセットにおいて,既存の顔認識モデルの性能をベンチマークした。
論文 参考訳（メタデータ） (2021-06-17T17:23:54Z) - Contrastive Context-Aware Learning for 3D High-Fidelity Mask Face
Presentation Attack Detection [103.7264459186552]
顔認識システムには、顔提示攻撃検出(PAD)が不可欠である。
ほとんどの既存の3DマスクPADベンチマークにはいくつかの欠点があります。
現実世界のアプリケーションとのギャップを埋めるために、大規模なハイファイアリティマスクデータセットを紹介します。
論文 参考訳（メタデータ） (2021-04-13T12:48:38Z) - Deep Learning Framework to Detect Face Masks from Video Footage [0.0]
深層学習を用いて映像中の顔のマスクを検出する手法を提案する。
提案フレームワークは,MTCNN顔検出モデルを利用して,映像フレームに存在する顔とそれに対応する顔のランドマークを識別する。
提案手法は,高い精度,リコール,精度を達成し,顔のマスク検出に有効であることを示した。
論文 参考訳（メタデータ） (2020-11-04T16:02:03Z)
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。