論文の概要: FOSS: Multi-Person Age Estimation with Focusing on Objects and Still Seeing Surroundings

• arxiv url: http://arxiv.org/abs/2010.07544v2
• Date: Fri, 19 Feb 2021 03:47:55 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-07 04:09:19.662487
• Title: FOSS: Multi-Person Age Estimation with Focusing on Objects and Still Seeing Surroundings
• Title（参考訳）: foss: 対象に着目した多人数年齢推定と周囲視
• Authors: Masakazu Yoshimura and Satoshi Ogata
• Abstract要約: 状況によっては、ワイルドとマルチパーソンの年齢推定が必要である。 本研究では,複数の人物の年齢を1つのモデルで検出・推定する手法を提案する。 また,提案手法を個人写真による年齢推定データセットに応用した。
• 参考スコア（独自算出の注目度）: 1.370633147306388
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Age estimation from images can be used in many practical scenes. Most of the previous works targeted on the estimation from images in which only one face exists. Also, most of the open datasets for age estimation contain images like that. However, in some situations, age estimation in the wild and for multi-person is needed. Usually, such situations were solved by two separate models; one is a face detector model which crops facial regions and the other is an age estimation model which estimates from cropped images. In this work, we propose a method that can detect and estimate the age of multi-person with a single model which estimates age with focusing on faces and still seeing surroundings. Also, we propose a training method which enables the model to estimate multi-person well despite trained with images in which only one face is photographed. In the experiments, we evaluated our proposed method compared with the traditional approach using two separate models. As the result, the accuracy could be enhanced with our proposed method. We also adapted our proposed model to commonly used single person photographed age estimation datasets and it is proved that our method is also effective to those images and outperforms the state of the art accuracy.
• Abstract（参考訳）: 画像からの年齢推定は多くの実用シーンで利用できる。 以前の作品のほとんどは、1つの顔しか存在しない画像から推定することを目的としていた。 また、年齢推定のためのオープンデータセットのほとんどは、そのようなイメージを含んでいる。 しかし、いくつかの状況では、野生および多人数での年齢推定が必要である。 通常、このような状況は2つの異なるモデルによって解決され、1つは顔領域を抽出する顔検出モデルであり、もう1つは画像から推定する年齢推定モデルである。 本研究では,顔に焦点をあて,周囲を見渡すことで,年齢を推定する単一モデルを用いて,複数の人物の年齢を検出・推定する手法を提案する。 また,1つの顔のみを撮影した画像で訓練した場合でも,多人数をうまく推定できるトレーニング手法を提案する。 実験では,2つの異なるモデルを用いて提案手法を従来の手法と比較した。 その結果,提案手法により精度を向上させることができた。 また,提案手法を一般の人物写真年齢推定データセットに適用し,これらの画像に対して有効であり,その精度を上回っていることを証明した。

関連論文リスト

• Relative Age Estimation Using Face Images [12.30301655447024]
  入力画像と参照画像の年齢差を既知年齢で推定するネットワークを用いて、初期推定を精査する。 差分回帰法を用いて, 年齢依存性の顔変化を明示的にモデル化し, 従来の絶対年齢推定よりも精度が向上した。 提案手法は既存の手法を超越し,MORPH IIおよびCACDデータセット上で最先端の精度を実現する。
  論文  参考訳（メタデータ） (2025-02-07T11:42:01Z)
• Evaluation Agent: Efficient and Promptable Evaluation Framework for Visual Generative Models [51.067146460271466]
  視覚生成モデルの評価には時間を要するし、計算コストもかかる。 本研究では,効率的,動的,多ラウンドな評価に人間的な戦略を用いる評価エージェントフレームワークを提案する。 1)効率性、2)多様なユーザニーズに合わせた迅速な評価、3)1つの数値スコア以上の説明可能性、4)さまざまなモデルやツールのスケーラビリティ。
  論文  参考訳（メタデータ） (2024-12-10T18:52:39Z)
• Evaluating Multiview Object Consistency in Humans and Image Models [68.36073530804296]
  我々は、物体の形状に関するゼロショット視覚的推論を必要とする認知科学の実験的設計を活用する。 我々は500人以上の参加者から行動データの35万件の試行を収集した。 次に、一般的な視覚モデルの性能を評価する。
  論文  参考訳（メタデータ） (2024-09-09T17:59:13Z)
• MiVOLO: Multi-input Transformer for Age and Gender Estimation [0.0]
  最新の視覚変換器を用いた年齢・性別推定手法であるMiVOLOを提案する。 本手法は両タスクを統合された二重入力/出力モデルに統合する。 モデルの年齢認識性能を人間レベルの精度と比較し、ほとんどの年齢範囲で人間よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-07-10T14:58:10Z)
• PoseMatcher: One-shot 6D Object Pose Estimation by Deep Feature Matching [51.142988196855484]
  本稿では,PoseMatcherを提案する。 3ビューシステムに基づくオブジェクトと画像のマッチングのための新しいトレーニングパイプラインを作成します。 PoseMatcherは、画像とポイントクラウドの異なる入力モダリティに対応できるように、IO-Layerを導入します。
  論文  参考訳（メタデータ） (2023-04-03T21:14:59Z)
• Unsupervised Deep Learning Meets Chan-Vese Model [77.24463525356566]
  本稿では,Chan-Vese(CV)モデルとディープニューラルネットワークを統合した教師なしのイメージセグメンテーション手法を提案する。 私たちの基本的な考え方は、イメージを潜伏空間にマッピングするディープニューラルネットワークを適用して、画像空間における断片的な定数仮定の違反を軽減することです。
  論文  参考訳（メタデータ） (2022-04-14T13:23:57Z)
• FP-Age: Leveraging Face Parsing Attention for Facial Age Estimation in the Wild [50.8865921538953]
  年齢推定に顔のセマンティクスを明示的に組み込む手法を提案する。 我々は,顔解析に基づくネットワークを設計し,異なるスケールで意味情報を学習する。 提案手法は,既存の年齢推定手法を常に上回っていることを示す。
  論文  参考訳（メタデータ） (2021-06-21T14:31:32Z)
• Hierarchical Attention-based Age Estimation and Bias Estimation [16.335191345543063]
  顔画像に基づく年齢推定のための新しい深層学習手法を提案する。 提案手法は,現代的スキームを上回り,新しい最先端の年齢推定精度を提供する。
  論文  参考訳（メタデータ） (2021-03-17T19:41:34Z)
• Chronological age estimation of lateral cephalometric radiographs with deep learning [0.0]
  提案手法は, 側頭頂部X線像の経時的年代推定法により, 時間的年代推定に有効である。 4歳から40歳までのLC画像3014枚について検討した。 実験結果のMEAは1.250であり、最先端のベンチマークの結果より小さい。
  論文  参考訳（メタデータ） (2021-01-28T03:43:24Z)
• Investigating Bias in Deep Face Analysis: The KANFace Dataset and Empirical Study [67.3961439193994]
  現在までに最も包括的で大規模な顔画像とビデオのデータセットを導入している。 データは、アイデンティティ、正確な年齢、性別、親族関係の点で手動で注釈付けされる。 提案したベンチマークでネットワーク埋め込みをデバイアス化する手法を導入し,テストした。
  論文  参考訳（メタデータ） (2020-05-15T00:14:39Z)

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。