論文の概要: E-Pro: Euler Angle and Probabilistic Model for Face Detection and Recognition

• arxiv url: http://arxiv.org/abs/2011.14200v1
• Date: Sat, 28 Nov 2020 19:12:39 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-19 19:13:27.380721
• Title: E-Pro: Euler Angle and Probabilistic Model for Face Detection and Recognition
• Title（参考訳）: E-Pro: 顔検出・認識のためのオイラー角と確率モデル
• Authors: Sandesh Ramesh, Manoj Kumar M V, and Sanjay H A
• Abstract要約: 本研究では,顔画像の入力による顔の検出と認識のためのE-Proというフレームワークを提案する。 E-Proは、出席者、監視、群衆の監視、生体認証など、さまざまな分野に応用できる可能性がある。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: It is human nature to give prime importance to facial appearances. Often, to look good is to feel good. Also, facial features are unique to every individual on this planet, which means it is a source of vital information. This work proposes a framework named E-Pro for the detection and recognition of faces by taking facial images as inputs. E-Pro has its potential application in various domains, namely attendance, surveillance, crowd monitoring, biometric-based authentication etc. E-Pro is developed here as a mobile application that aims to aid lecturers to mark attendance in a classroom by detecting and recognizing the faces of students from a picture clicked through the app. E-Pro has been developed using Google Firebase Face Recognition APIs, which uses Euler Angles, and Probabilistic Model. E-Pro has been tested on stock images and the experimental results are promising.
• Abstract（参考訳）: 顔の外観を重要視するのは人間の本質である。 しばしば、よく見えるのは気分が良いことです。 また、顔の特徴は、この惑星のすべての個体に特有のものであり、重要な情報源である。 本研究では,顔画像の入力による顔の検出と認識のためのE-Proというフレームワークを提案する。 e-proは、出席、監視、群衆監視、生体認証など、さまざまな分野に応用できる可能性がある。 E-Proは,授業中の生徒の顔を検出して認識することで,教室での出席をマークすることを目的としたモバイルアプリケーションである。 e-proは、eulerアングルと確率モデルを使用するgoogle firebase顔認識apiを使用して開発された。 E-Proはストックイメージでテストされており、実験結果は有望である。

関連論文リスト

• Privacy-preserving Optics for Enhancing Protection in Face De-identification [60.110274007388135]
  この脆弱性を解決するために,ハードウェアレベルの顔識別手法を提案する。 また、プライバシ保存画像、フェイスヒートマップ、およびパブリックデータセットからの参照顔イメージを入力として、新しい顔を生成する匿名化フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-31T19:28:04Z)
• ProS: Facial Omni-Representation Learning via Prototype-based Self-Distillation [22.30414271893046]
  ProS(Prototype-based Self-Distillation)は、教師なし顔表現学習のための新しいアプローチである。 ProSは2つの視覚変換器(教師と生徒のモデル)で構成されており、異なるイメージで訓練されている。 ProSは、フルおよび数ショット設定の両方で、さまざまなタスクで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2023-11-03T14:10:06Z)
• 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)
• OPOM: Customized Invisible Cloak towards Face Privacy Protection [58.07786010689529]
  我々は、新しいタイプのカスタマイズクロークに基づく技術の観点から、顔のプライバシ保護について検討する。 本研究では,個人固有の(クラスワイドな)ユニバーサルマスクを生成するために,1人1マスク(OPOM)という新しい手法を提案する。 提案手法の有効性を,共通データセットと有名データセットの両方で評価した。
  論文  参考訳（メタデータ） (2022-05-24T11:29:37Z)
• 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)
• Open-set Face Recognition for Small Galleries Using Siamese Networks [1.8514314381314887]
  本稿では,小ギャラリーに着目したオープンセット顔認識への新しいアプローチを提案する。 Siamese Networkアーキテクチャは、顔プローブがギャラリーに登録されているかどうかを検出するモデルを学ぶために提案される。 FRGCv1ではHFCNやHPLSといった最先端の手法が優勢であった。
  論文  参考訳（メタデータ） (2021-05-14T17:16:37Z)
• 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)
• Real Time Face Recognition Using Convoluted Neural Networks [0.0]
  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。
  論文  参考訳（メタデータ） (2020-10-09T12:04:49Z)
• Towards Face Encryption by Generating Adversarial Identity Masks [53.82211571716117]
  敵の識別マスクを生成するためのターゲットID保護反復法(TIP-IM)を提案する。 TIP-IMは、様々な最先端の顔認識モデルに対して95%以上の保護成功率を提供する。
  論文  参考訳（メタデータ） (2020-03-15T12:45:10Z)
• 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。