論文の概要: When Face Recognition Meets Occlusion: A New Benchmark

• arxiv url: http://arxiv.org/abs/2103.02805v1
• Date: Thu, 4 Mar 2021 03:07:42 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-05 14:59:12.411934
• Title: When Face Recognition Meets Occlusion: A New Benchmark
• Title（参考訳）: 顔認識がオクルージョンを満たすとき: 新しいベンチマーク
• Authors: Baojin Huang, Zhongyuan Wang, Guangcheng Wang, Kui Jiang, Kangli Zeng, Zhen Han, Xin Tian, Yuhong Yang
• Abstract要約: 擬似閉塞顔認識データセットを作成します。 対象は10,575人の顔画像804,704枚。 私たちのデータセットは最先端のものを大幅に上回ります。
• 参考スコア（独自算出の注目度）: 37.616211206620854
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The existing face recognition datasets usually lack occlusion samples, which hinders the development of face recognition. Especially during the COVID-19 coronavirus epidemic, wearing a mask has become an effective means of preventing the virus spread. Traditional CNN-based face recognition models trained on existing datasets are almost ineffective for heavy occlusion. To this end, we pioneer a simulated occlusion face recognition dataset. In particular, we first collect a variety of glasses and masks as occlusion, and randomly combine the occlusion attributes (occlusion objects, textures,and colors) to achieve a large number of more realistic occlusion types. We then cover them in the proper position of the face image with the normal occlusion habit. Furthermore, we reasonably combine original normal face images and occluded face images to form our final dataset, termed as Webface-OCC. It covers 804,704 face images of 10,575 subjects, with diverse occlusion types to ensure its diversity and stability. Extensive experiments on public datasets show that the ArcFace retrained by our dataset significantly outperforms the state-of-the-arts. Webface-OCC is available at https://github.com/Baojin-Huang/Webface-OCC.
• Abstract（参考訳）: 既存の顔認識データセットは、通常、顔認識の開発を妨げる閉塞サンプルを欠いています。 特に新型コロナウイルス(COVID-19)の流行により、マスクの着用はウイルスの拡散を防ぐ効果的な手段となっている。 既存のデータセットでトレーニングされた従来のCNNベースの顔認識モデルは、重閉塞に対してほとんど効果がない。 この目的のために,シミュレーションによるオクルージョン顔認識データセットを考案する。 特に,まず様々な眼鏡やマスクを隠蔽として収集し,隠蔽属性(隠蔽物,テクスチャ,色)をランダムに組み合わせて,より現実的な隠蔽タイプを多数達成する。 それから私達は正常な閉塞の習慣の顔のイメージの適切な位置でそれらを覆います。 さらに,オリジナル正規顔画像とオクルード顔画像を組み合わせて,webface-occと呼ばれる最終データセットを形成する。 その多様性と安定性を確保するために、10,575人の被験者の804,704枚の顔画像をカバーしています。 公開データセットに関する広範な実験は、データセットで再トレーニングされたarcfaceが最先端を著しく上回っていることを示している。 Webface-OCCはhttps://github.com/Baojin-Huang/Webface-OCCで入手できる。

関連論文リスト

• DiffusionFace: Towards a Comprehensive Dataset for Diffusion-Based Face Forgery Analysis [71.40724659748787]
  DiffusionFaceは、最初の拡散ベースのフェイスフォージェリーデータセットである。 非条件およびテキストガイドの顔画像生成、Img2Img、Inpaint、Diffusionベースの顔交換アルゴリズムなど、さまざまなフォージェリーカテゴリをカバーする。 重要なメタデータと、評価のための実世界のインターネットソースの偽顔画像データセットを提供する。
  論文  参考訳（メタデータ） (2024-03-27T11:32:44Z)
• FaceMAE: Privacy-Preserving Face Recognition via Masked Autoencoders [81.21440457805932]
  顔のプライバシと認識性能を同時に考慮する新しいフレームワークFaceMAEを提案する。 ランダムにマスクされた顔画像は、FaceMAEの再構築モジュールのトレーニングに使用される。 また、いくつかの公開顔データセット上で十分なプライバシー保護顔認証を行う。
  論文  参考訳（メタデータ） (2022-05-23T07:19:42Z)
• FaceOcc: A Diverse, High-quality Face Occlusion Dataset for Human Face Extraction [3.8502825594372703]
  隠蔽は野生の顔画像にしばしば発生し、ランドマーク検出や3D再構成、顔認識といった顔関連の課題に悩まされる。 本稿では,CelebA本社とインターネットから手動で顔の隠蔽をラベル付けした新しい顔のセグメンテーションデータセットを提案する。 簡単な顔分割モデルの訓練を行ったが,SOTA性能が得られ,提案したデータセットの有効性を実証した。
  論文  参考訳（メタデータ） (2022-01-20T19:44:18Z)
• Segmentation-Reconstruction-Guided Facial Image De-occlusion [48.952656891182826]
  隠蔽は野生の顔画像で非常に一般的であり、顔関連タスクの劣化パフォーマンスに繋がる。 本稿では,顔分割と3次元顔再構成に基づく新しい顔除去モデルを提案する。
  論文  参考訳（メタデータ） (2021-12-15T10:40:08Z)
• 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)
• 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)
• Face Anti-Spoofing by Learning Polarization Cues in a Real-World Scenario [50.36920272392624]
  顔の偽造は生体認証アプリケーションにおけるセキュリティ侵害を防ぐ鍵となる。 RGBと赤外線画像を用いたディープラーニング手法は,新たな攻撃に対する大量のトレーニングデータを必要とする。 本研究では,実顔の偏光画像の物理的特徴を自動的に学習することにより,現実のシナリオにおける顔のアンチ・スプーフィング手法を提案する。
  論文  参考訳（メタデータ） (2020-03-18T03:04:03Z)

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。