Fugu-MT 論文翻訳(概要): Exploring Transfer Learning on Face Recognition of Dark Skinned, Low Quality and Low Resource Face Data

論文の概要: Exploring Transfer Learning on Face Recognition of Dark Skinned, Low Quality and Low Resource Face Data

arxiv url: http://arxiv.org/abs/2101.10809v1
Date: Sun, 3 Jan 2021 19:50:15 GMT
ステータス: 処理完了
システム内更新日: 2021-04-13 01:00:10.408660
Title: Exploring Transfer Learning on Face Recognition of Dark Skinned, Low Quality and Low Resource Face Data
Title（参考訳）: 暗い肌、低品質、低リソース顔データの顔認識におけるトランスファー学習の検討
Authors: Nuredin Ali
Abstract要約: 暗い肌の顔の膨大なデータを収集し、スクラッチからモデルを訓練するのは面倒だ。本稿では,VGGFaceの移動学習を適用し,主にエチオピアの顔の黒い肌の認識にどのように役立つかを確認する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: There is a big difference in the tone of color of skin between dark and light skinned people. Despite this fact, most face recognition tasks almost all classical state-of-the-art models are trained on datasets containing an overwhelming majority of light skinned face images. It is tedious to collect a huge amount of data for dark skinned faces and train a model from scratch. In this paper, we apply transfer learning on VGGFace to check how it works on recognising dark skinned mainly Ethiopian faces. The dataset is of low quality and low resource. Our experimental results show above 95\% accuracy which indicates that transfer learning in such settings works.
Abstract（参考訳）: 肌の色調は、肌の色と肌の色には大きな違いがある。この事実にもかかわらず、ほとんどの顔認識タスクは、ほとんどすべての古典的な最先端のモデルが、明るい肌の顔画像の圧倒的多数を含むデータセットで訓練されている。暗い肌の顔の膨大なデータを収集し、スクラッチからモデルを訓練するのは面倒だ。本稿では,VGGFaceの移動学習を適用し,主にエチオピアの顔の黒い肌の認識にどのように役立つかを確認する。データセットは低品質で低リソースである。実験の結果,95%以上の精度で移動学習が可能であることが示された。

関連論文リスト

Towards Real-World Blind Face Restoration with Generative Diffusion Prior [69.84480964328465]
ブラインド顔の復元はコンピュータビジョンにおいて重要な課題であり、広範囲の応用により注目されている。低画質の顔画像から特徴を効果的に抽出するBFRffusionを提案する。また、人種、性別、年齢といったバランスのとれた属性を備えたPFHQというプライバシ保護顔データセットも構築しています。
論文参考訳（メタデータ） (2023-12-25T14:16:24Z)
Inclusive normalization of face images to passport format [0.0]
スタイルベース顔正規化モデル(StyleFNM)は、ほとんどの個人内変異を取り除くことを提案した。この論文では、事前訓練されたGANを制御して、パスポートのような画像のバランスの取れたデータセットを生成することにより、データセットバイアスも扱う。
論文参考訳（メタデータ） (2023-12-22T09:15:33Z)
Improving Fairness using Vision-Language Driven Image Augmentation [60.428157003498995]
公平性は、特に顔領域において、ディープラーニングの識別モデルを訓練する際に重要である。モデルは、特定の特性(年齢や肌の色など)と無関係な属性(下流タスク)を関連付ける傾向がある本稿では,これらの相関を緩和し,公平性を向上する手法を提案する。
論文参考訳（メタデータ） (2023-11-02T19:51:10Z)
What's color got to do with it? Face recognition in grayscale [9.252410144412089]
最先端のディープCNNフェイスマーカは通常、カラーフェイスイメージの広範なトレーニングセットを使用して作成される。本研究は、トレーニングセットのグレースケールまたはカラーバージョンでトレーニングした場合、そのようなマーカがほぼ同一の精度に達することを明らかにした。より浅いモデルは、複雑な表現をモデル化する能力に欠けており、色に関連するような低レベルの特徴に強く依存している。
論文参考訳（メタデータ） (2023-09-11T00:32:26Z)
EasyPortrait -- Face Parsing and Portrait Segmentation Dataset [79.16635054977068]
リアルタイムの背景除去や顔の美化といったコンピュータビジョンベースの機能を実現することで,ビデオ会議アプリが機能的になった。これらのタスクを同時に行うために、新しいデータセット、EasyPortraitを作成します。 13,705人のユニークなユーザーと9つのクラスに分かれたきめ細かいセグメンテーションマスクを備えた、ビデオ会議のシナリオを繰り返す4万枚の屋内写真が含まれている。
論文参考訳（メタデータ） (2023-04-26T12:51:34Z)
DiffusionRig: Learning Personalized Priors for Facial Appearance Editing [29.967273146028177]
DiffusionRigは、粗い3D顔モデルに条件付けされた拡散モデルである。 3D顔モデルの単純なレンダリングを、ある人のリアルな写真にマップする。このようなパーソナライズされた事前情報でCGI-to- Photoマッピングを学習することで、DiffusionRigは、照明、表情、ヘッドポーズなどを“リグ”することができる。
論文参考訳（メタデータ） (2023-04-13T17:58:00Z)
Face Recognition Accuracy Across Demographics: Shining a Light Into the Problem [8.02620277513497]
顔の照明の違いによって生じる現象として,人口集団間で異なる顔認識精度について検討した。両顔の偽像対は偽一致率(FMR)が増大していることが示される。顔の明るさの変動を計測し、低すぎるか高すぎる顔の明るさが、顔領域の情報を減少させることを示すために、輝度情報メトリクスを提案する。
論文参考訳（メタデータ） (2022-06-04T02:36:35Z)
Meta Balanced Network for Fair Face Recognition [51.813457201437195]
我々は、データとアルゴリズムの両方の側面からバイアスを体系的に科学的に研究する。本稿では,メタバランスネットワーク(MBN)と呼ばれるメタ学習アルゴリズムを提案する。大規模な実験により、MBNは偏見を緩和し、顔認識において異なる肌のトーンを持つ人々に対してよりバランスの取れたパフォーマンスを学ぶことができた。
論文参考訳（メタデータ） (2022-05-13T10:25:44Z)
Color Invariant Skin Segmentation [17.501659517108884]
本稿では,カラー情報に頼らずに画像中の皮膚を自動的に検出する問題に対処する。この研究の主な動機は、皮膚のトーン全体にわたって一貫性のある結果を達成することである。我々はそのような情報がない場合によく機能する新しいアプローチを提案する。
論文参考訳（メタデータ） (2022-04-21T05:07:21Z)
Automatic Facial Skin Feature Detection for Everyone [60.31670960526022]
本研究では,野生の自撮り自撮りのために,さまざまな肌のトーンと年齢群にまたがって機能する顔顔の特徴自動検出法を提案する。具体的には,肌の色,重度度,照明条件の異なる自撮り画像に対して,アクネ,顔料,ニキビの位置を注釈する。
論文参考訳（メタデータ） (2022-03-30T04:52:54Z)
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。