論文の概要: Periocular Embedding Learning with Consistent Knowledge Distillation from Face

• arxiv url: http://arxiv.org/abs/2012.06746v3
• Date: Sun, 28 Jan 2024 09:03:25 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-31 01:27:14.539765
• Title: Periocular Embedding Learning with Consistent Knowledge Distillation from Face
• Title（参考訳）: 顔からの一貫した知識蒸留による眼内埋め込み学習
• Authors: Yoon Gyo Jung, Jaewoo Park, Cheng Yaw Low, Jacky Chen Long Chai, Leslie Ching Ow Tiong, Andrew Beng Jin Teoh
• Abstract要約: 眼球周囲の周辺部である眼球周囲の生体計測は、顔に対する協調的な代替物である。 本稿では,顔と眼のネットワーク間の整合性を予測層と特徴層に分散させる知識蒸留(CKD)を提案する。 CKDは、標準的な眼周囲認識ベンチマークデータセットで最先端の結果を達成する。
• 参考スコア（独自算出の注目度）: 19.938772729998142
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Periocular biometric, the peripheral area of the ocular, is a collaborative alternative to the face, especially when the face is occluded or masked. However, in practice, sole periocular biometric capture the least salient facial features, thereby lacking discriminative information, particularly in wild environments. To address these problems, we transfer discriminatory information from the face to support the training of a periocular network by using knowledge distillation. Specifically, we leverage face images for periocular embedding learning, but periocular alone is utilized for identity identification or verification. To enhance periocular embeddings by face effectively, we proposeConsistent Knowledge Distillation (CKD) that imposes consistency between face and periocular networks across prediction and feature layers. We find that imposing consistency at the prediction layer enables (1) extraction of global discriminative relationship information from face images and (2) effective transfer of the information from the face network to the periocular network. Particularly, consistency regularizes the prediction units to extract and store profound inter-class relationship information of face images. (3) The feature layer consistency, on the other hand, makes the periocular features robust against identity-irrelevant attributes. Overall, CKD empowers the sole periocular network to produce robust discriminative embeddings for periocular recognition in the wild. We theoretically and empirically validate the core principles of the distillation mechanism in CKD, discovering that CKD is equivalent to label smoothing with a novel sparsity-oriented regularizer that helps the network prediction to capture the global discriminative relationship. Extensive experiments reveal that CKD achieves state-of-the-art results on standard periocular recognition benchmark datasets.
• Abstract（参考訳）: 眼の周辺部である眼周囲の生体計測は、特に顔が隠されたり隠されたりした場合、顔の代替となる。 しかし、実際には、単眼の生体計測は、特に野生環境では、最も有意な顔の特徴を捉え、識別情報を欠いている。 これらの問題に対処するため,我々は知識蒸留を用いて顔から識別情報を伝達し,骨幹ネットワークの訓練を支援する。 具体的には,顔画像の埋め込み学習に活用するが,身元確認や検証には顔画像のみを利用する。 本研究では,予測層と特徴層にまたがる顔と眼球ネットワーク間の一貫性を課す,一貫性のある知識蒸留(ckd)を提案する。 予測層における一貫性により,(1)顔画像から大域的識別関係情報の抽出,(2)顔ネットワークから骨幹ネットワークへの効果的な情報伝達が可能となる。 特に、一貫性は予測ユニットを定式化し、顔画像の深いクラス間関係情報を抽出し記憶する。 3) 特徴層一貫性は, 同一性に無関係な属性に対して, ペリオクチュアルな特徴を堅牢にする。 CKDは、単独の眼周囲ネットワークに力を与え、野生における眼周囲認識のための堅牢な識別的埋め込みを作り出す。 我々は,ckdにおける蒸留機構の核となる原理を理論的に実証的に検証し,ckdがラベル平滑化と同値であることを発見した。 広範な実験により、ckdは標準のperiocular recognition benchmarkデータセットで最先端の結果を達成できることが判明した。

関連論文リスト

• Periocular Biometrics: A Modality for Unconstrained Scenarios [66.93179447621188]
  眼球周囲のバイオメトリックスには、眼窩を囲む顔の外部から見える領域が含まれる。 新型コロナウイルス(COVID-19)のパンデミックは、コントロールされた設定でも目に見える唯一の顔領域であり、その重要性を強調している。
  論文  参考訳（メタデータ） (2022-12-28T12:08:27Z)
• CIAO! A Contrastive Adaptation Mechanism for Non-Universal Facial Expression Recognition [80.07590100872548]
  本稿では、顔エンコーダの最後の層に異なるデータセットの特定の感情特性を適応させるメカニズムであるContrastive Inhibitory Adaptati On(CIAO)を提案する。 CIAOは、非常にユニークな感情表現を持つ6つの異なるデータセットに対して、表情認識性能が改善されている。
  論文  参考訳（メタデータ） (2022-08-10T15:46:05Z)
• Towards Intrinsic Common Discriminative Features Learning for Face Forgery Detection using Adversarial Learning [59.548960057358435]
  本稿では, 対人学習を利用して, 異なる偽造法と顔の同一性による負の効果を除去する手法を提案する。 我々の顔偽造検出モデルは、偽造法や顔の同一性の影響を排除し、共通の識別的特徴を抽出することを学ぶ。
  論文  参考訳（メタデータ） (2022-07-08T09:23:59Z)
• Attribute-Based Deep Periocular Recognition: Leveraging Soft Biometrics to Improve Periocular Recognition [24.267703297385413]
  本稿では属性に基づく深部眼球認識(ADPR)と呼ばれる新しい深部眼球認識フレームワークを提案する。 ADPRはソフトバイオメトリックスを予測し、その予測を眼周囲認識アルゴリズムに組み込んで、高い精度で眼周囲画像から識別する。 実験結果から,本手法は野生環境下での生体計測による近視認識方法よりも優れていたことが示唆された。
  論文  参考訳（メタデータ） (2021-11-02T01:51:37Z)
• Facial Anatomical Landmark Detection using Regularized Transfer Learning with Application to Fetal Alcohol Syndrome Recognition [24.27777060287004]
  出生前アルコール曝露による胎児アルコール症候群(FAS)は、一連の頭蓋顔面異常を引き起こす可能性がある。 解剖学的ランドマーク検出は,FAS関連顔面異常の検出に重要である。 自然画像における顔のランドマーク検出のために設計された現在のディープラーニングに基づく熱マップ回帰法は、大きなデータセットが利用できることを前提としている。 我々は,大規模な顔認識データセットから学習したネットワークの知識を活用する,新たな正規化トランスファー学習手法を開発した。
  論文  参考訳（メタデータ） (2021-09-12T11:05:06Z)
• Deep Collaborative Multi-Modal Learning for Unsupervised Kinship Estimation [53.62256887837659]
  キンシップ検証は、コンピュータビジョンにおける長年の研究課題である。 本稿では,顔特性に表される基礎情報を統合するために,新しい協調型多モーダル学習(DCML)を提案する。 我々のDCML法は、常に最先端のキンシップ検証法よりも優れている。
  論文  参考訳（メタデータ） (2021-09-07T01:34:51Z)
• Dual-Attention GAN for Large-Pose Face Frontalization [59.689836951934694]
  本稿では,フォトリアリスティック顔フロンダル化のためのDA-GAN(Dual-Attention Generative Adversarial Network)を提案する。 具体的には、ローカル機能と長距離依存関係を統合するために、自己アテンションベースのジェネレータが導入された。 顔領域の局所的特徴を強調するために,新しい顔認識に基づく識別器を適用した。
  論文  参考訳（メタデータ） (2020-02-17T20:00:56Z)
• Joint Deep Learning of Facial Expression Synthesis and Recognition [97.19528464266824]
  顔表情の合成と認識を効果的に行うための新しい統合深層学習法を提案する。 提案手法は, 2段階の学習手順を伴い, まず, 表情の異なる顔画像を生成するために, 表情合成生成対向ネットワーク (FESGAN) を事前訓練する。 実画像と合成画像間のデータバイアスの問題を軽減するために,新しい実データ誘導バックプロパゲーション(RDBP)アルゴリズムを用いたクラス内損失を提案する。
  論文  参考訳（メタデータ） (2020-02-06T10:56:00Z)

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。