論文の概要: FaceX-Zoo: A PyTorch Toolbox for Face Recognition

• arxiv url: http://arxiv.org/abs/2101.04407v2
• Date: Wed, 13 Jan 2021 06:14:09 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-04 01:44:15.887695
• Title: FaceX-Zoo: A PyTorch Toolbox for Face Recognition
• Title（参考訳）: FaceX-Zoo:顔認識のためのPyTorchツールボックス
• Authors: Jun Wang, Yinglu Liu, Yibo Hu, Hailin Shi and Tao Mei
• Abstract要約: 顔認識の研究開発コミュニティを指向した新しいオープンソースフレームワーク、FaceX-Zooを紹介します。 facex-zooは、さまざまな監視ヘッドとバックボーンを備えたトレーニングモジュールを提供する。 訓練されたモデルの検証とプライマリアプリケーションのために、シンプルで機能的なFace SDKが提供されます。
• 参考スコア（独自算出の注目度）: 62.038018324643325
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deep learning based face recognition has achieved significant progress in recent years. Yet, the practical model production and further research of deep face recognition are in great need of corresponding public support. For example, the production of face representation network desires a modular training scheme to consider the proper choice from various candidates of state-of-the-art backbone and training supervision subject to the real-world face recognition demand; for performance analysis and comparison, the standard and automatic evaluation with a bunch of models on multiple benchmarks will be a desired tool as well; besides, a public groundwork is welcomed for deploying the face recognition in the shape of holistic pipeline. Furthermore, there are some newly-emerged challenges, such as the masked face recognition caused by the recent world-wide COVID-19 pandemic, which draws increasing attention in practical applications. A feasible and elegant solution is to build an easy-to-use unified framework to meet the above demands. To this end, we introduce a novel open-source framework, named FaceX-Zoo, which is oriented to the research-development community of face recognition. Resorting to the highly modular and scalable design, FaceX-Zoo provides a training module with various supervisory heads and backbones towards state-of-the-art face recognition, as well as a standardized evaluation module which enables to evaluate the models in most of the popular benchmarks just by editing a simple configuration. Also, a simple yet fully functional face SDK is provided for the validation and primary application of the trained models. Rather than including as many as possible of the prior techniques, we enable FaceX-Zoo to easily upgrade and extend along with the development of face related domains. The source code and models are available at https://github.com/JDAI-CV/FaceX-Zoo.
• Abstract（参考訳）: 近年,ディープラーニングに基づく顔認識は大きな進歩を遂げている。 しかし、実際のモデル作成と深層顔認識のさらなる研究は、対応する公的支援を大いに必要としている。 For example, the production of face representation network desires a modular training scheme to consider the proper choice from various candidates of state-of-the-art backbone and training supervision subject to the real-world face recognition demand; for performance analysis and comparison, the standard and automatic evaluation with a bunch of models on multiple benchmarks will be a desired tool as well; besides, a public groundwork is welcomed for deploying the face recognition in the shape of holistic pipeline. さらに、新型コロナウイルス(covid-19)の世界的なパンデミックによるマスク付き顔認識など、実用化に注目が集まっている新たな課題もある。 実現可能でエレガントな解決策は、上記の要求を満たすために簡単に使える統一フレームワークを構築することです。 そこで我々は,顔認識の研究開発コミュニティを指向した,新たなオープンソースフレームワークFaceX-Zooを紹介した。 高度にモジュール化されたスケーラブルな設計に代わり、FaceX-Zooは、最先端の顔認識に向けた様々なスーパーバイザリーヘッドとバックボーンを備えたトレーニングモジュールと、単純な構成を編集するだけで、人気のあるベンチマークのほとんどのモデルを評価するための標準化された評価モジュールを提供する。 また、訓練されたモデルの検証と主要な応用のために、シンプルで完全に機能するface sdkが提供されている。 従来のテクニックを可能な限り多く含めるのではなく、顔関連ドメインの開発とともに、FaceX-Zooを簡単にアップグレードおよび拡張できるようにします。 ソースコードとモデルはhttps://github.com/jdai-cv/facex-zooで入手できる。

関連論文リスト

• FaceXFormer: A Unified Transformer for Facial Analysis [59.94066615853198]
  FaceXformerは、さまざまな顔分析タスクのためのエンドツーエンドの統一トランスフォーマーモデルである。 本モデルでは,8つのタスクにまたがる頑健さと一般化性を実証し,画像の「夢中」を効果的に処理する。
  論文  参考訳（メタデータ） (2024-03-19T17:58:04Z)
• Faceptor: A Generalist Model for Face Perception [52.8066001012464]
  Faceptorは、よく設計されたシングルエンコーダのデュアルデコーダアーキテクチャを採用するために提案されている。 Faceptorへのレイヤアテンションにより、モデルが最適なレイヤから機能を適応的に選択して、望ましいタスクを実行することができる。 我々のトレーニングフレームワークは補助的な教師付き学習にも適用でき、年齢推定や表現認識といったデータスパースタスクの性能を大幅に向上させることができる。
  論文  参考訳（メタデータ） (2024-03-14T15:42:31Z)
• A Generalist FaceX via Learning Unified Facial Representation [77.74407008931486]
  FaceXは、多様な顔タスクを同時に処理できる新しい顔ジェネラリストモデルである。 汎用的なFaceXは、一般的な顔編集タスクの精巧なタスク特化モデルと比較して、競争性能が向上する。
  論文  参考訳（メタデータ） (2023-12-31T17:41:48Z)
• 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)
• 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)
• Learning Meta Face Recognition in Unseen Domains [74.69681594452125]
  メタ顔認識(MFR)というメタラーニングを用いた新しい顔認識手法を提案する。 MFRは、メタ最適化目標を用いてソース/ターゲットドメインシフトを合成する。 一般化顔認識評価のためのベンチマークを2つ提案する。
  論文  参考訳（メタデータ） (2020-03-17T14:10:30Z)

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。