論文の概要: Harnessing Unrecognizable Faces for Face Recognition
- arxiv url: http://arxiv.org/abs/2106.04112v1
- Date: Tue, 8 Jun 2021 05:25:03 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-09 15:56:33.320827
- Title: Harnessing Unrecognizable Faces for Face Recognition
- Title（参考訳）: 顔認識のための認識不能顔の活用
- Authors: Siqi Deng, Yuanjun Xiong, Meng Wang, Wei Xia, Stefano Soatto
- Abstract要約: 本稿では,顔画像の認識可能性の尺度を提案し,主に認識可能なアイデンティティを用いて訓練されたディープニューラルネットワークによって実現された。
FAR=1e-5において,認識可能性を考慮した場合,単画像認識の誤り率を58%減少させることを示す。
- 参考スコア（独自算出の注目度）: 87.80037162457427
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The common implementation of face recognition systems as a cascade of a
detection stage and a recognition or verification stage can cause problems
beyond failures of the detector. When the detector succeeds, it can detect
faces that cannot be recognized, no matter how capable the recognition system.
Recognizability, a latent variable, should therefore be factored into the
design and implementation of face recognition systems. We propose a measure of
recognizability of a face image that leverages a key empirical observation: an
embedding of face images, implemented by a deep neural network trained using
mostly recognizable identities, induces a partition of the hypersphere whereby
unrecognizable identities cluster together. This occurs regardless of the
phenomenon that causes a face to be unrecognizable, it be optical or motion
blur, partial occlusion, spatial quantization, poor illumination. Therefore, we
use the distance from such an "unrecognizable identity" as a measure of
recognizability, and incorporate it in the design of the over-all system. We
show that accounting for recognizability reduces error rate of single-image
face recognition by 58% at FAR=1e-5 on the IJB-C Covariate Verification
benchmark, and reduces verification error rate by 24% at FAR=1e-5 in set-based
recognition on the IJB-C benchmark.
- Abstract（参考訳）: 検出段階と認識または検証段階のカスケードとしての顔認識システムの一般的な実装は、検出器の故障以上の問題を引き起こす可能性がある。
検知器が成功すると、認識できない顔を検出することができる。
したがって、潜在変数である認識可能性は、顔認識システムの設計と実装に分解されるべきである。
顔画像の埋め込みは、主に認識可能なアイデンティティを用いて訓練されたディープニューラルネットワークによって実装され、認識できないアイデンティティを一緒にクラスタ化するハイパースフィアの分割を誘導する。
これは、顔が認識できない現象によらず、光学的または運動的ぼかし、部分的閉塞、空間的量子化、照明不足などである。
したがって、認識可能性の尺度としてこのような「認識不能なアイデンティティ」からの距離を使い、全システムの設計に組み込む。
本稿では, ijb-c共変量検証ベンチマークにおいて, 1画像認識の誤り率を58%削減し, ijb-cベンチマークでのセットベース認識において, 検証誤差率を24%低減することを示す。
関連論文リスト
- Gallery-Aware Uncertainty Estimation For Open-Set Face Recognition [2.6862667248315386]
オープンセットの顔認識では、画像の分類を試みるが、それは未知の場合もある。
ここでは、確率的埋め込みの低分散は、低い誤差確率を含まない。
オープンセット認識システムにおける2つの曖昧さの源泉を認識する手法を提案する。
論文 参考訳（メタデータ） (2024-08-26T12:44:17Z) - TetraLoss: Improving the Robustness of Face Recognition against Morphing
Attacks [7.092869001331781]
顔認識システムは、高セキュリティアプリケーションに広くデプロイされている。
フェースモーフィングのようなデジタル操作は、顔認識システムにセキュリティ上の脅威をもたらす。
本稿では,ディープラーニングに基づく顔認識システムを,顔形態攻撃に対してより堅牢なものにするための新しい手法を提案する。
論文 参考訳（メタデータ） (2024-01-21T21:04:05Z) - 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) - Analysis of Recent Trends in Face Recognition Systems [0.0]
クラス間の類似性とクラス内変異により、顔認識システムは、それぞれ偽マッチングと偽非マッチエラーを生成する。
近年の研究では、抽出した特徴の堅牢性向上と、認識精度を高めるための前処理アルゴリズムに焦点が当てられている。
論文 参考訳（メタデータ） (2023-04-23T18:55:45Z) - FACE-AUDITOR: Data Auditing in Facial Recognition Systems [24.082527732931677]
顔画像を扱うスケーラビリティと能力のために、ショットベースの顔認識システムが注目されている。
顔画像の誤使用を防止するために、簡単なアプローチとして、生の顔画像を共有する前に修正する方法がある。
そこで本研究では,FACE-AUDITORの完全ツールキットを提案する。このツールキットは,少数ショットベースの顔認識モデルに問い合わせ,ユーザの顔画像のいずれかがモデルのトレーニングに使用されているかどうかを判断する。
論文 参考訳（メタデータ） (2023-04-05T23:03:54Z) - Privacy-Preserving Face Recognition with Learnable Privacy Budgets in
Frequency Domain [77.8858706250075]
本稿では,周波数領域における差分プライバシーを用いたプライバシ保護顔認証手法を提案する。
本手法はいくつかの古典的顔認証テストセットで非常によく機能する。
論文 参考訳（メタデータ） (2022-07-15T07:15:36Z) - Towards Intrinsic Common Discriminative Features Learning for Face
Forgery Detection using Adversarial Learning [59.548960057358435]
本稿では, 対人学習を利用して, 異なる偽造法と顔の同一性による負の効果を除去する手法を提案する。
我々の顔偽造検出モデルは、偽造法や顔の同一性の影響を排除し、共通の識別的特徴を抽出することを学ぶ。
論文 参考訳（メタデータ） (2022-07-08T09:23:59Z) - Universal Adversarial Spoofing Attacks against Face Recognition [9.253434204675544]
顔認証システムを騙して、顔画像が高い成功率で複数の異なるアイデンティティに属することを認識できることを示す。
以上の結果から,顔認証システムを展開する際には,マルチアイデンティティ攻撃が真の脅威であることが示唆された。
論文 参考訳（メタデータ） (2021-10-02T02:11:22Z) - Towards Face Encryption by Generating Adversarial Identity Masks [53.82211571716117]
敵の識別マスクを生成するためのターゲットID保護反復法(TIP-IM)を提案する。
TIP-IMは、様々な最先端の顔認識モデルに対して95%以上の保護成功率を提供する。
論文 参考訳（メタデータ） (2020-03-15T12:45:10Z) - 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。