論文の概要: Face Recognition using 3D CNNs
- arxiv url: http://arxiv.org/abs/2102.01441v1
- Date: Tue, 2 Feb 2021 11:31:40 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-03 16:44:18.560422
- Title: Face Recognition using 3D CNNs
- Title（参考訳）: 3次元CNNを用いた顔認識
- Authors: Nayaneesh Kumar Mishra, Satish Kumar Singh
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 14.26473757011463
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The area of face recognition is one of the most widely researched areas in
the domain of computer vision and biometric. This is because, the non-intrusive
nature of face biometric makes it comparatively more suitable for application
in area of surveillance at public places such as airports. The application of
primitive methods in face recognition could not give very satisfactory
performance. However, with the advent of machine and deep learning methods and
their application in face recognition, several major breakthroughs were
obtained. The use of 2D Convolution Neural networks(2D CNN) in face recognition
crossed the human face recognition accuracy and reached to 99%. Still, robust
face recognition in the presence of real world conditions such as variation in
resolution, illumination and pose is a major challenge for researchers in face
recognition. In this work, we used video as input to the 3D CNN architectures
for capturing both spatial and time domain information from the video for face
recognition in real world environment. For the purpose of experimentation, we
have developed our own video dataset called CVBL video dataset. The use of 3D
CNN for face recognition in videos shows promising results with DenseNets
performing the best with an accuracy of 97% on CVBL dataset.
- Abstract（参考訳）: 顔認識の領域はコンピュータビジョンと生体計測の分野で最も広く研究されている分野の1つである。
これは、顔の生体認証の非侵入的な性質が、空港などの公共の場所での監視分野の応用に比較的適しているためである。
顔認識における原始的手法の適用は, 十分な性能を得られなかった。
しかし、機械学習と深層学習の出現と顔認識への応用により、いくつかの大きなブレークスルーが得られた。
顔認識における2次元畳み込みニューラルネットワーク(2d cnn)の使用は、人間の顔認識精度を越え、99%に達した。
それでも、解像度、照明、ポーズの変動などの現実世界条件の存在下での堅牢な顔認識は、顔認識の研究者にとって大きな課題です。
本研究では,映像を3次元CNNアーキテクチャの入力として使用し,映像から空間領域情報と時間領域情報をキャプチャして実環境における顔認識を行った。
実験のために,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。
ビデオの顔認識に3D CNNを使用することは、CVBLデータセットで97%の精度で最高のパフォーマンスを発揮するDenseNetsで有望な結果を示しています。
関連論文リスト
- Generating 2D and 3D Master Faces for Dictionary Attacks with a
Network-Assisted Latent Space Evolution [68.8204255655161]
マスターフェイス(英: master face)とは、人口の比率の高い顔認証をパスする顔画像である。
2次元および3次元の顔認証モデルに対して,これらの顔の最適化を行う。
3Dでは,2次元スタイルGAN2ジェネレータを用いて顔を生成し,深部3次元顔再構成ネットワークを用いて3次元構造を予測する。
論文 参考訳（メタデータ） (2022-11-25T09:15:38Z) - Multiface: A Dataset for Neural Face Rendering [108.44505415073579]
本研究では,新しいマルチビュー,高解像度のヒューマン・フェイス・データセットであるMultifaceを提案する。
顔のパフォーマンスの高解像度同期映像をキャプチャする大規模なマルチカメラ装置であるMugsyを紹介する。
Multifaceの目的は、学術コミュニティにおける高品質データへのアクセシビリティのギャップを埋め、VRテレプレゼンスの研究を可能にすることである。
論文 参考訳（メタデータ） (2022-07-22T17:55:39Z) - End2End Occluded Face Recognition by Masking Corrupted Features [82.27588990277192]
最先端の一般的な顔認識モデルは、隠蔽された顔画像に対してうまく一般化しない。
本稿では,1つのエンドツーエンドのディープニューラルネットワークに基づいて,オクルージョンに頑健な新しい顔認識手法を提案する。
我々のアプローチは、深い畳み込みニューラルネットワークから破損した特徴を発見し、動的に学習されたマスクによってそれらをきれいにする。
論文 参考訳（メタデータ） (2021-08-21T09:08:41Z) - 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) - Face Recognition Using $Sf_{3}CNN$ With Higher Feature Discrimination [14.26473757011463]
本稿では,ビデオの顔認識に$Sf_3CNN$というフレームワークを提案する。
このフレームワークは3次元Residual Network(3D Resnet)とA-Softmaxの損失を利用してビデオの顔認識を行う。
CVBLビデオデータベースでは、以前の97%の3D ResNetsに比べて99.10%の精度が向上している。
論文 参考訳（メタデータ） (2021-02-02T09:47:31Z) - Continuous Emotion Recognition with Spatiotemporal Convolutional Neural
Networks [82.54695985117783]
In-theld でキャプチャした長いビデオシーケンスを用いて,持続的な感情認識のための最先端のディープラーニングアーキテクチャの適合性を検討する。
我々は,2D-CNNと長期記憶ユニットを組み合わせた畳み込みリカレントニューラルネットワークと,2D-CNNモデルの微調整時の重みを膨らませて構築した膨らませた3D-CNNモデルを開発した。
論文 参考訳（メタデータ） (2020-11-18T13:42:05Z) - 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) - Multi-channel Deep 3D Face Recognition [4.726009758066045]
2次元顔認証の精度は、ポーズ、照明、メイクアップ、表情の変化によって依然として疑問視されている。
本稿では,3次元顔データに基づく顔認識のためのマルチチャネルディープ3次元顔ネットワークを提案する。
マルチチャネル深部3次元顔ネットワークの顔認識精度は98.6。
論文 参考訳（メタデータ） (2020-09-30T15:29:05Z) - Masked Face Recognition Dataset and Application [28.2082082956263]
本研究では,MFDD(Masked Face Detection dataset),RMFRD(Real-world Masked Face Recognition dataset),SMFRD(Simulated Masked Face Recognition dataset)の3種類のマスク付き顔データセットを提案する。
開発したマルチグラニュラリティマスク顔認証モデルは,業界が報告した結果を上回る95%の精度を実現している。
論文 参考訳（メタデータ） (2020-03-20T04:15:19Z) - 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。