論文の概要: YOLO5Face: Why Reinventing a Face Detector

• arxiv url: http://arxiv.org/abs/2105.12931v1
• Date: Thu, 27 May 2021 03:54:38 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-29 07:38:38.249321
• Title: YOLO5Face: Why Reinventing a Face Detector
• Title（参考訳）: YOLO5Face:Face Detectorを再発明する理由
• Authors: Delong Qi, Weijun Tan, Qi Yao, Jingfeng Liu
• Abstract要約: 我々は、YOLOv5オブジェクト検出器をベースとした顔検出器を実装し、YOLO5Faceと呼ぶ。 モデルサイズが異なる検出器を設計し、最高の性能を実現する。 WiderFaceデータセットの実験結果は、私たちの顔検出器が最先端の性能を達成できることを示している。
• 参考スコア（独自算出の注目度）: 1.3272510644778104
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Tremendous progress has been made on face detection in recent years using convolutional neural networks. While many face detectors use designs designated for the detection of face, we treat face detection as a general object detection task. We implement a face detector based on YOLOv5 object detector and call it YOLO5Face. We add a five-point landmark regression head into it and use the Wing loss function. We design detectors with different model sizes, from a large model to achieve the best performance, to a super small model for real-time detection on an embedded or mobile device. Experiment results on the WiderFace dataset show that our face detectors can achieve state-of-the-art performance in almost all the Easy, Medium, and Hard subsets, exceeding the more complex designated face detectors. The code is available at \url{https://www.github.com/deepcam-cn/yolov5-face}.
• Abstract（参考訳）: 近年,畳み込みニューラルネットワークを用いた顔検出が大きな進歩を遂げている。 多くの顔検出装置は顔検出のために指定された設計を用いるが、顔検出は一般的な物体検出タスクとして扱う。 我々は、YOLOv5オブジェクト検出器に基づく顔検出器を実装し、YOLO5Faceと呼ぶ。 5点のランドマーク回帰ヘッドを追加し、翼損失関数を使用する。 我々は,大規模モデルから,組み込みデバイスやモバイルデバイス上でリアルタイム検出を行うための超小型モデルまで,モデルサイズが異なる検出器を設計した。 widefaceデータセットにおける実験結果は、顔検出器が、より複雑な顔検出器を超える、ほとんどすべての簡単な中堅のサブセットで最先端のパフォーマンスを達成できることを示しています。 コードは \url{https://www.github.com/deepcam-cn/yolov5-face} で入手できる。

関連論文リスト

• Deepfake detection in videos with multiple faces using geometric-fakeness features [79.16635054977068]
  被害者や人物のディープフェイクは、脅迫、ゆがみ、金融詐欺の詐欺師によって使用される。 本研究では,映像中の顔の存在の動的度を特徴付ける幾何学的フェイクネス機能(GFF)を提案する。 我々は、ビデオに同時に存在する複数の顔でビデオを分析するために、我々のアプローチを採用している。
  論文  参考訳（メタデータ） (2024-10-10T13:10:34Z)
• UniForensics: Face Forgery Detection via General Facial Representation [60.5421627990707]
  高レベルの意味的特徴は摂動の影響を受けにくく、フォージェリー固有の人工物に限らないため、より強い一般化がある。 我々は、トランスフォーマーベースのビデオネットワークを活用する新しいディープフェイク検出フレームワークUniForensicsを導入し、顔の豊かな表現のためのメタファンクショナルな顔分類を行う。
  論文  参考訳（メタデータ） (2024-07-26T20:51:54Z)
• Semantic Contextualization of Face Forgery: A New Definition, Dataset, and Detection Method [77.65459419417533]
  我々は,顔フォージェリを意味的文脈に配置し,意味的顔属性を変更する計算手法が顔フォージェリの源であることを定義した。 階層的なグラフで整理されたラベルの集合に各画像が関連付けられている大規模な顔偽画像データセットを構築した。 本稿では,ラベル関係を捕捉し,その優先課題を優先するセマンティクス指向の顔偽造検出手法を提案する。
  論文  参考訳（メタデータ） (2024-05-14T10:24:19Z)
• 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)
• YOLO-FaceV2: A Scale and Occlusion Aware Face Detector [3.632920443532506]
  本稿では, YOLO-FaceV2 という一段検出器 YOLOv5 に基づくリアルタイム顔検出器を提案する。 我々は、RFEと呼ばれる受容野拡張モジュールを用いて、小さな顔の受容野を高め、小さな物体の位置ずれに対するIoUの感度を補うためにNWD Lossを使用する。 顔検出器はYOLOより優れており、その変異は、簡単で中堅なサブセットで見つけることができる。
  論文  参考訳（メタデータ） (2022-08-03T12:40:00Z)
• Detect Faces Efficiently: A Survey and Evaluations [13.105528567365281]
  顔認識、表情認識、顔追跡、頭部推定を含む多くの応用は、画像中の顔の位置と大きさの両方が知られていると仮定する。 ディープラーニング技術は、かなりの計算量の増加と共に、対面検出に驚くべきブレークスルーをもたらした。 本稿では, 代表的な深層学習手法を紹介し, 精度と効率性の観点から, 深く, 徹底的な分析を行う。
  論文  参考訳（メタデータ） (2021-12-03T08:39:40Z)
• 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)
• Representative Forgery Mining for Fake Face Detection [52.896286647898386]
  ディテクタの精緻化と注目の拡大を導くための注意ベースのデータ拡張フレームワークを提案します。 提案手法は,トップnのセンシティブな顔領域を追跡し,検出者に対して,以前無視された領域にさらに深く掘り下げて,より代表的な偽造を行うように促す。
  論文  参考訳（メタデータ） (2021-04-14T03:24:19Z)
• TinaFace: Strong but Simple Baseline for Face Detection [7.1259861117928835]
  我々は、TinaFaceという顔検出を扱うための、強力だがシンプルなベースライン手法を提供する。 TinaFaceのすべてのモジュールとテクニックは既存のモジュール上に構築されており、簡単に実装でき、ジェネリックオブジェクト検出に基づいている。 我々のTinaFaceは92.1%の平均精度(AP)を達成した。
  論文  参考訳（メタデータ） (2020-11-26T08:54:19Z)
• Long-distance tiny face detection based on enhanced YOLOv3 for unmanned system [10.856903504701712]
  無人プラットフォームのためのYOLOv3アルゴリズムに基づく拡張型ネットワークモデル(YOLOv3-C)を提案する。 拡張モデルにより,長距離群集や高密度群集の場合の顔検出精度が向上する。
  論文  参考訳（メタデータ） (2020-10-09T08:12:58Z)
• One-Shot GAN Generated Fake Face Detection [3.3707422585608953]
  本稿では,汎用的なワンショットGAN生成顔検出手法を提案する。 提案手法は,シーン理解モデルを用いて顔から文脈外オブジェクトを抽出する。 実験の結果,文脈外の特徴の観点から,偽の顔と現実の顔とを識別できることが判明した。
  論文  参考訳（メタデータ） (2020-03-27T05:51:14Z)

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。