論文の概要: Performance analysis of facial recognition: A critical review through glass factor

• arxiv url: http://arxiv.org/abs/2104.01536v1
• Date: Sun, 4 Apr 2021 05:02:04 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-06 14:50:30.949498
• Title: Performance analysis of facial recognition: A critical review through glass factor
• Title（参考訳）: 顔認識の性能分析:ガラス因子による批判的考察
• Authors: Jiashu He
• Abstract要約: 顔認識システムにおけるガラス因子の影響を研究する研究はありません。 MTCNNとInception V1のディープネット上に構築された既存の最先端の顔検出認識システムを用いて、さらなる分析を行う。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: COVID-19 pandemic and social distancing urge a reliable human face recognition system in different abnormal situations. However, there is no research which studies the influence of glass factor in facial recognition system. This paper provides a comprehensive review of glass factor. The study contains two steps: data collection and accuracy test. Data collection includes collecting human face images through different situations, such as clear glasses, glass with water and glass with mist. Based on the collected data, an existing state-of-the-art face detection and recognition system built upon MTCNN and Inception V1 deep nets is tested for further analysis. Experimental data supports that 1) the system is robust for classification when comparing real-time images and 2) it fails at determining if two images are of same person by comparing real-time disturbed image with the frontal ones.
• Abstract（参考訳）: 新型コロナウイルス(COVID-19)のパンデミック(パンデミック)とソーシャルディスタンシング(ソーシャルディスタンシング)は、さまざまな異常な状況で、信頼できる人間の顔認識システムを促進する。 しかし,顔認識システムにおけるガラス因子の影響に関する研究は行われていない。 本稿では,ガラス因子の包括的検討を行う。 調査にはデータ収集と精度テストという2つのステップが含まれている。 データ収集には、クリアグラス、水入りガラス、霧入りガラスなど、さまざまな状況で人間の顔画像を集めることが含まれる。 収集したデータに基づいて,MSCNNとインセプションV1ディープネット上に構築された既存の顔検出認識システムを用いて,さらなる解析を行う。 実験データによると,1)リアルタイム画像の比較では分類に頑健であり,2)2つの画像が同一人物であるかどうかを,リアルタイムに乱された画像と正面画像とを比較して判断できない。

関連論文リスト

• Analyzing eyebrow region for morphed image detection [4.879461135691896]
  提案手法は,眼窩領域の周波数を解析することに基づく。 以上の結果から,本手法は画像の変形検出に有用なツールである可能性が示唆された。
  論文  参考訳（メタデータ） (2023-10-30T06:11:27Z)
• Exploring Decision-based Black-box Attacks on Face Forgery Detection [53.181920529225906]
  顔の偽造生成技術は鮮明な顔を生み出し、セキュリティとプライバシーに対する世間の懸念を高めている。 顔偽造検出は偽の顔の識別に成功しているが、最近の研究では顔偽造検出は敵の例に対して非常に脆弱であることが示されている。
  論文  参考訳（メタデータ） (2023-10-18T14:49:54Z)
• Exploring Causes of Demographic Variations In Face Recognition Accuracy [10.534382915377025]
  我々は,1対1の顔マッチングにおいて,非メイト(インポスタ)と/または交配(ジェヌイン)のばらつきによって,精度の違いが表されると考えている。 調査された原因には、皮膚のトーンの違い、顔のサイズと形状の違い、トレーニングデータにおける身元と画像の数の不均衡、テストデータで見える顔の量などが含まれる。
  論文  参考訳（メタデータ） (2023-04-14T14:50:59Z)
• Surveillance Face Anti-spoofing [81.50018853811895]
  Face Anti-Spoofing (FAS) は、様々な物理的攻撃から顔認識システムを保護するために不可欠である。 本稿では,画像品質による性能劣化を軽減するために,コントラスト品質不変学習(CQIL)ネットワークを提案する。 多くの実験がSuHiFiMaskデータセットの品質と提案したCQILの優位性を検証する。
  論文  参考訳（メタデータ） (2023-01-03T07:09:57Z)
• Robustness Disparities in Face Detection [64.71318433419636]
  本稿では,その顔検出システムの詳細なベンチマークとして,商業モデルと学術モデルのノイズに対する頑健性について検討する。 すべてのデータセットやシステム全体で、$textitmasculineである個人の写真が$textitdarker skin type$$$、$textitdarker$、または$textitdim lighting$は、他のIDよりもエラーの影響を受けやすい。
  論文  参考訳（メタデータ） (2022-11-29T05:22:47Z)
• A Comparative Analysis of the Face Recognition Methods in Video Surveillance Scenarios [0.0]
  本研究では,最先端の顔認識手法に対する比較ベンチマーク表を提案する。 本研究では, 年齢差, クラス内差(顔のメイクアップ, ひげなど)のある顔IDの映像監視データセットを構築し, ネイティブな顔画像データを用いて評価を行った。 一方、この研究は、マスクのない顔、マスクされた顔、眼鏡をかけた顔など、さまざまな状況下で最高の認識方法を発見する。
  論文  参考訳（メタデータ） (2022-11-05T17:59:18Z)
• Fused Deep Neural Network based Transfer Learning in Occluded Face Classification and Person re-Identification [0.0]
  本論文は,顔画像中の4種類のうちの1種類を認識することを目的としている。 その結果, Gated Recurrent Unit (GRU) を用いた MobileNet V2 は, 他の移動学習手法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2022-05-15T07:13:33Z)
• Evaluation of Human and Machine Face Detection using a Novel Distinctive Human Appearance Dataset [0.76146285961466]
  画像中の顔を検出する能力において,現在最先端の顔検出モデルを評価する。 評価結果から,顔検出アルゴリズムは多様な外観に適さないことが示された。
  論文  参考訳（メタデータ） (2021-11-01T02:20:40Z)
• SynFace: Face Recognition with Synthetic Data [83.15838126703719]
  我々は、ID混在(IM)とドメイン混在(DM)を併用したSynFaceを考案し、パフォーマンスギャップを緩和する。 また、合成顔画像の系統的実験分析を行い、合成データを顔認識に効果的に活用する方法についての知見を提供する。
  論文  参考訳（メタデータ） (2021-08-18T03:41:54Z)
• Facial Expressions as a Vulnerability in Face Recognition [73.85525896663371]
  本研究では,顔認識システムのセキュリティ脆弱性としての表情バイアスについて検討する。 本稿では,表情バイアスが顔認識技術の性能に与える影響を包括的に分析する。
  論文  参考訳（メタデータ） (2020-11-17T18:12:41Z)
• 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。