論文の概要: REaL: Real-time Face Detection and Recognition Using Euclidean Space and Likelihood Estimation

• arxiv url: http://arxiv.org/abs/2011.14603v1
• Date: Mon, 30 Nov 2020 08:03:04 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-07 04:30:00.618656
• Title: REaL: Real-time Face Detection and Recognition Using Euclidean Space and Likelihood Estimation
• Title（参考訳）: REaL:ユークリッド空間と類似度推定を用いたリアルタイム顔検出・認識
• Authors: Sandesh Ramesh, Manoj Kumar M V, and K Aditya Shastry
• Abstract要約: REaLシステムは顔の検出と認識を正確に行うように設計されている。 システムはローカルデータベースを使用して、キャプチャされた画像を格納し、ニューラルネットワークを頻繁にフィードする。 システムはユーラー角を計算し、顔が微笑んでいるか、左目、右目が開いているかの確率を計算する。
• 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: Detecting and recognizing faces accurately has always been a challenge. Differentiating facial features, training images, and producing quick results require a lot of computation. The REaL system we have proposed in this paper discusses its functioning and ways in which computations can be carried out in a short period. REaL experiments are carried out on live images and the recognition rates are promising. The system is also successful in removing non-human objects from its calculations. The system uses a local database to store captured images and feeds the neural network frequently. The captured images are cropped automatically to remove unwanted noise. The system calculates the Euler angles and the probability of whether the face is smiling, has its left eye, and right eyes open or not.
• Abstract（参考訳）: 顔を正確に検出し、認識することは常に課題だった。 顔の特徴の差別化、イメージのトレーニング、迅速な結果の生成には多くの計算が必要です。 本稿では,本論文で提案する実システムとその機能と計算を短時間で行える方法について述べる。 実際の実験は実画像上で行われ、その認識率は有望である。 このシステムは、計算から人間以外の物体を取り除くことにも成功している。 システムはローカルデータベースを使用してキャプチャした画像を保存し、ニューラルネットワークを頻繁に供給する。 撮影した画像は自動的に収集され、不要なノイズを取り除く。 システムは、顔が微笑んでいるか、左目を持っているか、右目が開いているかのオイラー角度と確率を算出する。

関連論文リスト

• 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)
• 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)
• Efficiency Comparison of AI classification algorithms for Image Detection and Recognition in Real-time [0.0]
  顔の検出と識別は、人工知能システムにおいて最も困難で頻繁に使用されるタスクである。 本研究は,システムにおける顔検出および認識アルゴリズムの結果を提示し,比較することを目的とする。 公共スペース、ショッピングモール、ATMブースなど、CCTVのある場所でも使用できる。
  論文  参考訳（メタデータ） (2022-06-12T21:31:40Z)
• On the Effect of Selfie Beautification Filters on Face Detection and Recognition [53.561797148529664]
  ソーシャルメディア画像フィルターは、例えば人工眼鏡や動物の鼻で、画像コントラスト、照明、あるいは顔の一部を妨げる。 U-NETセグメンテーションネットワークの修正版を用いて適用操作を再構築する手法を開発した。 認識の観点からは、顔を認識するために訓練されたResNet-34ネットワークを用いて抽出された特徴に対して、距離測定と訓練された機械学習アルゴリズムを用いる。
  論文  参考訳（メタデータ） (2021-10-17T22:10:56Z)
• Harnessing Unrecognizable Faces for Face Recognition [87.80037162457427]
  本稿では,顔画像の認識可能性の尺度を提案し,主に認識可能なアイデンティティを用いて訓練されたディープニューラルネットワークによって実現された。 FAR=1e-5において,認識可能性を考慮した場合,単画像認識の誤り率を58%減少させることを示す。
  論文  参考訳（メタデータ） (2021-06-08T05:25:03Z)
• An Improved Real-Time Face Recognition System at Low Resolution Based on Local Binary Pattern Histogram Algorithm and CLAHE [0.0]
  本研究では、ポーズや感情、解像度のバリエーションのある15ピクセルの低解像度のリアルタイム顔認識システムを提案する。 トレーニングや分類に使用されている LRD200 と LRD100 というデータセットを設計しました。 この顔認識システムは、法執行目的で使用することができ、監視カメラは、カメラから人の距離のために低解像度の画像をキャプチャします。
  論文  参考訳（メタデータ） (2021-04-15T04:54:29Z)
• Facial Masks and Soft-Biometrics: Leveraging Face Recognition CNNs for Age and Gender Prediction on Mobile Ocular Images [53.913598771836924]
  スマートフォンで撮影した自撮り眼画像を使って年齢や性別を推定します。 ImageNet Challengeの文脈で提案された2つの既存の軽量CNNを適応させる。 一部のネットワークは顔認識のためにさらにトレーニングされており、非常に大規模なトレーニングデータベースが利用可能です。
  論文  参考訳（メタデータ） (2021-03-31T01:48:29Z)
• 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)
• Black-Box Face Recovery from Identity Features [61.950765357647605]
  我々はアルゴリズムをテストするために最先端の顔認識システム(ArcFace)を攻撃した。 我々のアルゴリズムは、最先端のソリューションに比べて、はるかに少ないクエリを必要とする。
  論文  参考訳（メタデータ） (2020-07-27T15:25:38Z)
• Geometrically Mappable Image Features [85.81073893916414]
  地図内のエージェントの視覚に基づくローカライゼーションは、ロボット工学とコンピュータビジョンにおいて重要な問題である。 本稿では,画像検索を対象とした画像特徴学習手法を提案する。
  論文  参考訳（メタデータ） (2020-03-21T15:36:38Z)
• Self-Supervised Linear Motion Deblurring [112.75317069916579]
  深層畳み込みニューラルネットワークは、画像の劣化の最先端技術である。 本稿では,自己監督型動作遅延に対する識別可能なreblurモデルを提案する。 我々の実験は、自己監督された単一画像の劣化が本当に実現可能であることを実証した。
  論文  参考訳（メタデータ） (2020-02-10T20:15:21Z)

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。