Fugu-MT 論文翻訳(概要): Real Time Face Recognition Using Convoluted Neural Networks

論文の概要: Real Time Face Recognition Using Convoluted Neural Networks

arxiv url: http://arxiv.org/abs/2010.04517v1
Date: Fri, 9 Oct 2020 12:04:49 GMT
ステータス: 処理完了
システム内更新日: 2022-10-09 05:48:46.451391
Title: Real Time Face Recognition Using Convoluted Neural Networks
Title（参考訳）: 畳み込みニューラルネットワークを用いたリアルタイム顔認識
Authors: Rohith Pudari, Sunil Bhutada, Sai Pavan Mudavath
Abstract要約: 畳み込みニューラルネットワークは顔認識に最適であることが証明されている。データセットの作成は、認識される人の顔映像を何百もの人の画像に変換することで行われる。
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: Face Recognition is one of the process of identifying people using their face, it has various applications like authentication systems, surveillance systems and law enforcement. Convolutional Neural Networks are proved to be best for facial recognition. Detecting faces using core-ml api and processing the extracted face through a coreML model, which is trained to recognize specific persons. The creation of dataset is done by converting face videos of the persons to be recognized into Hundreds of images of person, which is further used for training and validation of the model to provide accurate real-time results.
Abstract（参考訳）: 顔認識は、顔を識別するプロセスのひとつであり、認証システム、監視システム、法執行機関など、さまざまな応用がある。畳み込みニューラルネットワークは顔認識に最適であることが証明されている。 core-ml apiを用いて顔を検出し、特定の人物を認識するために訓練されたcoreMLモデルを介して抽出された顔を処理する。データセットの作成は、認識対象者の顔映像を数百枚の人物画像に変換することによって行われる。

関連論文リスト

Face Reconstruction from Face Embeddings using Adapter to a Face Foundation Model [24.72209930285057]
顔認識システムは、顔画像から埋め込みベクターを抽出し、これらの埋め込みを使用して個人を検証または識別する。顔再構成攻撃(英語: face reconstruction attack、テンプレート・インバージョンとも呼ばれる)とは、顔の埋め込みから顔イメージを再構成し、再構成された顔画像を用いて顔認識システムに入ることを指す。我々は,ブラックボックスの顔認識モデルの埋め込みから顔画像の再構成にフェイスファンデーションモデルを用いることを提案する。
論文参考訳（メタデータ） (2024-11-06T14:45:41Z)
Alleviating Catastrophic Forgetting in Facial Expression Recognition with Emotion-Centered Models [49.3179290313959]
感情中心型生成的リプレイ (ECgr) は, 生成的対向ネットワークから合成画像を統合することで, この課題に対処する。 ECgrは、生成された画像の忠実性を保証するために品質保証アルゴリズムを組み込んでいる。 4つの多様な表情データセットに対する実験結果から,擬似リハーサル法により生成されたイメージを組み込むことで,ターゲットとするデータセットとソースデータセットのトレーニングが促進されることが示された。
論文参考訳（メタデータ） (2024-04-18T15:28:34Z)
DeepFidelity: Perceptual Forgery Fidelity Assessment for Deepfake Detection [67.3143177137102]
ディープフェイク検出(Deepfake detection)とは、画像やビデオにおいて、人工的に生成された顔や編集された顔を検出すること。本稿では,実顔と偽顔とを適応的に識別するDeepFidelityという新しいDeepfake検出フレームワークを提案する。
論文参考訳（メタデータ） (2023-12-07T07:19:45Z)
FACE-AUDITOR: Data Auditing in Facial Recognition Systems [24.082527732931677]
顔画像を扱うスケーラビリティと能力のために、ショットベースの顔認識システムが注目されている。顔画像の誤使用を防止するために、簡単なアプローチとして、生の顔画像を共有する前に修正する方法がある。そこで本研究では,FACE-AUDITORの完全ツールキットを提案する。このツールキットは,少数ショットベースの顔認識モデルに問い合わせ,ユーザの顔画像のいずれかがモデルのトレーニングに使用されているかどうかを判断する。
論文参考訳（メタデータ） (2023-04-05T23:03:54Z)
A Comparative Analysis of the Face Recognition Methods in Video Surveillance Scenarios [0.0]
本研究では,最先端の顔認識手法に対する比較ベンチマーク表を提案する。本研究では, 年齢差, クラス内差(顔のメイクアップ, ひげなど)のある顔IDの映像監視データセットを構築し, ネイティブな顔画像データを用いて評価を行った。一方、この研究は、マスクのない顔、マスクされた顔、眼鏡をかけた顔など、さまざまな状況下で最高の認識方法を発見する。
論文参考訳（メタデータ） (2022-11-05T17:59:18Z)
End2End Occluded Face Recognition by Masking Corrupted Features [82.27588990277192]
最先端の一般的な顔認識モデルは、隠蔽された顔画像に対してうまく一般化しない。本稿では,1つのエンドツーエンドのディープニューラルネットワークに基づいて,オクルージョンに頑健な新しい顔認識手法を提案する。我々のアプローチは、深い畳み込みニューラルネットワークから破損した特徴を発見し、動的に学習されたマスクによってそれらをきれいにする。
論文参考訳（メタデータ） (2021-08-21T09:08:41Z)
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)
Multi-Metric Evaluation of Thermal-to-Visual Face Recognition [3.0255457622022486]
我々は、機械学習を用いて、赤外線画像から視覚スペクトル面を合成する異種・横断的な顔認識の課題に対処することを目的とする。我々は、顔画像合成にGAN(Geneversarative Adrial Networks)を使用する能力について検討し、これらの画像の性能を事前学習した畳み込みニューラルネットワーク(CNN)を用いて検討する。 CNNを用いて抽出した特徴を顔認証と検証に応用する。
論文参考訳（メタデータ） (2020-07-22T10:18:34Z)
DotFAN: A Domain-transferred Face Augmentation Network for Pose and Illumination Invariant Face Recognition [94.96686189033869]
本稿では,3次元モデルを用いたドメイン転送型顔強調ネットワーク(DotFAN)を提案する。 DotFANは、他のドメインから収集された既存のリッチフェイスデータセットから抽出された知識に基づいて、入力顔の一連の変種を生成することができる。実験によると、DotFANは、クラス内の多様性を改善するために、小さな顔データセットを増やすのに有益である。
論文参考訳（メタデータ） (2020-02-23T08:16:34Z)
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。