論文の概要: BWCFace: Open-set Face Recognition using Body-worn Camera
- arxiv url: http://arxiv.org/abs/2009.11458v1
- Date: Thu, 24 Sep 2020 02:45:29 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-15 04:59:22.384862
- Title: BWCFace: Open-set Face Recognition using Body-worn Camera
- Title（参考訳）: BWCFace:ボディウーンカメラを用いたオープンセット顔認識
- Authors: Ali Almadan, Anoop Krishnan, Ajita Rattani
- Abstract要約: 本稿では,ボディウーンカメラ(BWC)を用いた最先端顔認識のギャップを埋めることを目的とする。
本研究のコントリビューションは,1)ボディウーンカメラを用いて撮影した132人の被験者の合計178Kの顔画像からなるBWCFaceと呼ばれるデータセットの収集と,2)最新のディープラーニングベースの畳み込みニューラルネットワーク(CNN)アーキテクチャのオープンセット評価と,5種類の顔識別機能を組み合わせた。
- 参考スコア（独自算出の注目度）: 0.8594140167290097
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With computer vision reaching an inflection point in the past decade, face
recognition technology has become pervasive in policing, intelligence
gathering, and consumer applications. Recently, face recognition technology has
been deployed on bodyworn cameras to keep officers safe, enabling situational
awareness and providing evidence for trial. However, limited academic research
has been conducted on this topic using traditional techniques on datasets with
small sample size. This paper aims to bridge the gap in the state-of-the-art
face recognition using bodyworn cameras (BWC). To this aim, the contribution of
this work is two-fold: (1) collection of a dataset called BWCFace consisting of
a total of 178K facial images of 132 subjects captured using the body-worn
camera in in-door and daylight conditions, and (2) open-set evaluation of the
latest deep-learning-based Convolutional Neural Network (CNN) architectures
combined with five different loss functions for face identification, on the
collected dataset. Experimental results on our BWCFace dataset suggest a
maximum of 33.89% Rank-1 accuracy obtained when facial features are extracted
using SENet-50 trained on a large scale VGGFace2 facial image dataset. However,
performance improved up to a maximum of 99.00% Rank-1 accuracy when pretrained
CNN models are fine-tuned on a subset of identities in our BWCFace dataset.
Equivalent performances were obtained across body-worn camera sensor models
used in existing face datasets. The collected BWCFace dataset and the
pretrained/ fine-tuned algorithms are publicly available to promote further
research and development in this area. A downloadable link of this dataset and
the algorithms is available by contacting the authors.
- Abstract（参考訳）: 過去10年でコンピュータビジョンは屈曲点に達し、顔認識技術は警察、情報収集、消費者アプリケーションで広く使われている。
近年、ボディウーンのカメラに顔認識技術を導入し、警官の安全を確保し、状況認識を可能にし、裁判の証拠を提供した。
しかし、サンプルサイズが小さいデータセットの伝統的な手法を用いて、この話題に関する学術研究は限られている。
本稿では,ボディウーンカメラ(BWC)を用いた最先端の顔認識におけるギャップを埋めることを目的とする。
本研究の目的は,(1)ボディウーンカメラを用いて撮影した132人の被験者の顔画像の合計178万枚からなるBWCFaceと呼ばれるデータセットの収集と,(2)最新のディープラーニングベースの畳み込みニューラルネットワーク(CNN)アーキテクチャのオープンセット評価と,収集されたデータセットの5つの異なる損失関数を組み合わせることにある。
BWCFaceデータセットの実験結果から,大規模なVGGFace2顔画像データセットでトレーニングしたSENet-50を用いて顔の特徴を抽出した場合,最大33.89%のランク-1精度が得られた。
しかし、BWCFaceデータセットのサブセットに基づいて事前訓練されたCNNモデルが微調整された場合、パフォーマンスは99.00%まで向上した。
既存の顔データセットで使用されるボディウォーンカメラセンサモデルで同等の性能が得られた。
収集されたBWCFaceデータセットと事前訓練/微調整されたアルゴリズムは、この分野のさらなる研究と開発を促進するために公開されている。
このデータセットとアルゴリズムのダウンロード可能なリンクは、著者にコンタクトすることで利用できる。
関連論文リスト
- Effective Adapter for Face Recognition in the Wild [72.75516495170199]
私たちは、画像が低品質で現実世界の歪みに悩まされる、野生の顔認識の課題に取り組みます。
従来のアプローチでは、劣化した画像や、顔の復元技術を使って強化された画像を直接訓練するが、効果がないことが証明された。
高品質な顔データセットで訓練された既存の顔認識モデルを強化するための効果的なアダプタを提案する。
論文 参考訳（メタデータ） (2023-12-04T08:55:46Z) - Expanding Accurate Person Recognition to New Altitudes and Ranges: The
BRIAR Dataset [1.965868228519436]
近年、顔認識技術は、ディープラーニングモデルで使用する大規模で複雑なトレーニングデータセットが利用可能であることから、大幅に進歩している。
しかしこれらのデータセットは、より高度なセキュリティ、法医学、軍事的応用において、限られた実用性を持っている。
本稿では,データセットの収集とキュレートに使用される手法と,現在のデータセットの特徴について述べる。
論文 参考訳（メタデータ） (2022-11-03T15:51:39Z) - How to Boost Face Recognition with StyleGAN? [13.067766076889995]
最先端の顔認識システムは大量のラベル付きトレーニングデータを必要とする。
業界における自己監督的革命は、関連する技術が顔認識に適応する研究を動機付けている。
StyleGANのための微調整pSpエンコーダに基づく簡単なアプローチにより、最先端の顔認識を改善することができることを示す。
論文 参考訳（メタデータ） (2022-10-18T18:41:56Z) - Multiface: A Dataset for Neural Face Rendering [108.44505415073579]
本研究では,新しいマルチビュー,高解像度のヒューマン・フェイス・データセットであるMultifaceを提案する。
顔のパフォーマンスの高解像度同期映像をキャプチャする大規模なマルチカメラ装置であるMugsyを紹介する。
Multifaceの目的は、学術コミュニティにおける高品質データへのアクセシビリティのギャップを埋め、VRテレプレゼンスの研究を可能にすることである。
論文 参考訳（メタデータ） (2022-07-22T17:55:39Z) - Blind Face Restoration: Benchmark Datasets and a Baseline Model [63.053331687284064]
Blind Face Restoration (BFR) は、対応する低品質 (LQ) 入力から高品質 (HQ) の顔画像を構築することを目的としている。
EDFace-Celeb-1M (BFR128) と EDFace-Celeb-150K (BFR512) と呼ばれる2つのブラインドフェイス復元ベンチマークデータセットを最初に合成する。
最先端の手法は、ブラー、ノイズ、低解像度、JPEG圧縮アーティファクト、それらの組み合わせ(完全な劣化)の5つの設定でベンチマークされる。
論文 参考訳（メタデータ） (2022-06-08T06:34:24Z) - SynFace: Face Recognition with Synthetic Data [83.15838126703719]
我々は、ID混在(IM)とドメイン混在(DM)を併用したSynFaceを考案し、パフォーマンスギャップを緩和する。
また、合成顔画像の系統的実験分析を行い、合成データを顔認識に効果的に活用する方法についての知見を提供する。
論文 参考訳（メタデータ） (2021-08-18T03:41:54Z) - Towards On-Device Face Recognition in Body-worn Cameras [0.0]
本研究では,ボディカメラを用いた顔認識のための軽量MobileNet-V2, EfficientNet-B0, LightCNN-9, LightCNN-29モデルを評価する。
実験はbwcfaceデータセットで公開されている。
論文 参考訳（メタデータ） (2021-04-07T22:24:57Z) - FedFace: Collaborative Learning of Face Recognition Model [66.84737075622421]
FedFaceは顔認識モデルの協調学習のためのフレームワークである。
各クライアントに格納された顔画像が、他のクライアントや中央ホストと共有されない、正確で汎用的な顔認識モデルを学ぶ。
コードとトレーニング済みモデルは公開される予定です。
論文 参考訳（メタデータ） (2021-04-07T09:25:32Z) - Face Recognition using 3D CNNs [14.26473757011463]
我々はCVBLビデオデータセットという独自のビデオデータセットを開発した。
ビデオにおける顔認識に3D CNNを使用すると、CVBLデータセット上で97%の精度で有望な結果が得られる。
論文 参考訳（メタデータ） (2021-02-02T11:31:40Z) - 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。