Fugu-MT 論文翻訳(概要): A Parallel Approach for Real-Time Face Recognition from a Large Database

論文の概要: A Parallel Approach for Real-Time Face Recognition from a Large Database

arxiv url: http://arxiv.org/abs/2011.00443v1
Date: Sun, 1 Nov 2020 07:40:10 GMT
ステータス: 処理完了
システム内更新日: 2022-09-30 23:02:30.005445
Title: A Parallel Approach for Real-Time Face Recognition from a Large Database
Title（参考訳）: 大規模データベースからのリアルタイム顔認識のための並列手法
Authors: Ashish Ranjan, Varun Nagesh Jolly Behera, Motahar Reza
Abstract要約: このシステムは、被験者の顔の埋め込みを保存し、比較し、後にライブビデオフィード内でそれらを識別する。このシステムは極めて正確で、リアルタイムでIDをタグ付けすることができる。
参考スコア（独自算出の注目度）: 0.25559196081940677
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present a new facial recognition system, capable of identifying a person, provided their likeness has been previously stored in the system, in real time. The system is based on storing and comparing facial embeddings of the subject, and identifying them later within a live video feed. This system is highly accurate, and is able to tag people with their ID in real time. It is able to do so, even when using a database containing thousands of facial embeddings, by using a parallelized searching technique. This makes the system quite fast and allows it to be highly scalable.
Abstract（参考訳）: 本稿では,従来システムに保存されていた人物をリアルタイムに識別できる新しい顔認識システムを提案する。このシステムは、被験者の顔の埋め込みを保存し、比較し、後にライブビデオフィード内でそれらを識別する。このシステムは極めて正確で、リアルタイムでIDをタグ付けすることができる。何千もの顔の埋め込みを含むデータベースを使っても、並列検索技術を使ってそれを実現できる。これによりシステムは極めて高速になり、高度にスケーラブルになる。

関連論文リスト

Deepfake detection in videos with multiple faces using geometric-fakeness features [79.16635054977068]
被害者や人物のディープフェイクは、脅迫、ゆがみ、金融詐欺の詐欺師によって使用される。本研究では,映像中の顔の存在の動的度を特徴付ける幾何学的フェイクネス機能(GFF)を提案する。我々は、ビデオに同時に存在する複数の顔でビデオを分析するために、我々のアプローチを採用している。
論文参考訳（メタデータ） (2024-10-10T13:10:34Z)
TetraLoss: Improving the Robustness of Face Recognition against Morphing Attacks [7.092869001331781]
顔認識システムは、高セキュリティアプリケーションに広くデプロイされている。フェースモーフィングのようなデジタル操作は、顔認識システムにセキュリティ上の脅威をもたらす。本稿では,ディープラーニングに基づく顔認識システムを,顔形態攻撃に対してより堅牢なものにするための新しい手法を提案する。
論文参考訳（メタデータ） (2024-01-21T21:04:05Z)
Deep Learning-based Spatio Temporal Facial Feature Visual Speech Recognition [0.0]
パスワードをしゃべりながら、顔認識と個人特有の時間的顔の特徴的動作を併用する代替認証方式を提案する。提案されたモデルは、業界標準のMIRACL-VC1データセットでテストしたときに96.1%の精度を達成した。
論文参考訳（メタデータ） (2023-04-30T18:52:29Z)
Explainable Model-Agnostic Similarity and Confidence in Face Verification [5.257115841810258]
本研究は,顔認識システムの説明に焦点をあてる。まず、2つの入力画像間の顔の特徴距離に基づいて、これらのシステムに対する信頼度スコアを導入する。第二に、より意味のある予測を得るための新しい可視化手法を確立する。第三に、いくつかの最先端の顔認証データセットに対する信頼度スコアと説明マップを算出する。
論文参考訳（メタデータ） (2022-11-24T17:52:47Z)
Facial Soft Biometrics for Recognition in the Wild: Recent Works, Annotation, and COTS Evaluation [63.05890836038913]
制約のないシナリオにおける人物認識システムを強化するために,ソフトバイオメトリックスが果たす役割について検討する。 1) ソフトバイオメトリックスのマニュアル推定と,2) 市販オフザシェルフシステムによる自動推定の2つの仮定を考察する。深層学習に基づく2つの最先端顔認識システムを用いた軟式生体計測実験を行った。
論文参考訳（メタデータ） (2022-10-24T11:29:57Z)
Audio-Visual Person-of-Interest DeepFake Detection [77.04789677645682]
本研究の目的は、現実世界で遭遇する様々な操作方法やシナリオに対処できるディープフェイク検出器を提案することである。我々は、対照的な学習パラダイムを活用して、各アイデンティティに対して最も識別しやすい、移動面と音声セグメントの埋め込みを学習する。本手法は,シングルモダリティ(オーディオのみ,ビデオのみ)とマルチモダリティ(オーディオビデオ)の両方を検出でき,低品質・低画質ビデオに対して堅牢である。
論文参考訳（メタデータ） (2022-04-06T20:51:40Z)
RealGait: Gait Recognition for Person Re-Identification [79.67088297584762]
我々は,既存の映像人物の再識別課題からシルエットを抽出し,制約のない方法で歩く1,404人からなる新たな歩行データセットを構築した。以上の結果から、実際の監視シナリオにおける歩行による認識は実現可能であり、その基盤となる歩行パターンが、実際にビデオの人物認識が機能する真の理由である可能性が示唆された。
論文参考訳（メタデータ） (2022-01-13T06:30:56Z)
Facial Recognition in Collaborative Learning Videos [1.2234742322758416]
我々は,協調学習システムにおける参加者の認識を動的に行うシステムを開発した。顔検出履歴の過去の情報を用いて,隠蔽と認識障害に対処する。その結果,提案システムは非常に高速かつ高精度であることが判明した。
論文参考訳（メタデータ） (2021-10-25T21:05:06Z)
The Elements of End-to-end Deep Face Recognition: A Survey of Recent Advances [56.432660252331495]
顔認識はコンピュータビジョンにおいて最も人気があり、長く続いたトピックの1つである。ディープフェイス認識は目覚ましい進歩を遂げ、多くの現実世界のアプリケーションで広く利用されている。本稿では,各要素の最近の進歩を概観する。
論文参考訳（メタデータ） (2020-09-28T13:02:17Z)
Smart Attendance System Usign CNN [0.0]
我々は,顔検出と顔認識を用いた,出席者参加のためのスマートで効率的なシステムを導入している。このシステムは、リアルタイムの顔認識を用いて、大学やオフィスに出席するために使用することができる。出席記録は自動的に更新され、エクストラシートやデータベースに保存される。
論文参考訳（メタデータ） (2020-04-22T09:04:33Z)
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。