論文の概要: Sejong Face Database: A Multi-Modal Disguise Face Database

• arxiv url: http://arxiv.org/abs/2106.07186v1
• Date: Mon, 14 Jun 2021 06:29:41 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-15 16:35:59.034420
• Title: Sejong Face Database: A Multi-Modal Disguise Face Database
• Title（参考訳）: Sejong Face Database: マルチモーダルな顔データベース
• Authors: Usman Cheema and Seungbin Moon
• Abstract要約: 提示されたデータベースには8つの顔アドオンと7つの追加のアドオンが含まれている。 各顔画像は、可視光、可視光+赤外線、赤外線、熱スペクトルで撮影される。 本稿では,提案データベース上で行ったベースライン顔検出結果について,参照結果を提供し,異なるモードでの性能を比較する。
• 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: Commercial application of facial recognition demands robustness to a variety of challenges such as illumination, occlusion, spoofing, disguise, etc. Disguised face recognition is one of the emerging issues for access control systems, such as security checkpoints at the borders. However, the lack of availability of face databases with a variety of disguise addons limits the development of academic research in the area. In this paper, we present a multimodal disguised face dataset to facilitate the disguised face recognition research. The presented database contains 8 facial add-ons and 7 additional combinations of these add-ons to create a variety of disguised face images. Each facial image is captured in visible, visible plus infrared, infrared, and thermal spectra. Specifically, the database contains 100 subjects divided into subset-A (30 subjects, 1 image per modality) and subset-B (70 subjects, 5 plus images per modality). We also present baseline face detection results performed on the proposed database to provide reference results and compare the performance in different modalities. Qualitative and quantitative analysis is performed to evaluate the challenging nature of disguise addons. The dataset will be publicly available with the acceptance of the research article. The database is available at: https://github.com/usmancheema89/SejongFaceDatabase.
• Abstract（参考訳）: 顔認識の商業的応用は、照明、閉塞、偽装、変装などの様々な課題に対して堅牢性を要求する。 顔認証は、国境におけるセキュリティチェックポイントなど、アクセス制御システムにおける新たな問題のひとつである。 しかし、様々な偽のアドオンを用いた顔データベースが利用できないため、この地域における学術研究の発展は制限される。 本稿では,偽顔認識研究を容易にするために,マルチモーダル変装顔データセットを提案する。 提示されたデータベースには8つの顔アドオンと7つの追加のアドオンが含まれている。 各顔画像は可視、可視、赤外線、赤外線、熱スペクトルで撮影される。 具体的には、100の被写体がサブセットa(30の被写体、1のモダリティ)と、サブセットb(70の被写体、5+のモダリティ)に分けられる。 また,提案するデータベース上でのベースライン顔検出結果を示し,参照結果を提供し,異なるモーダル性での性能を比較する。 擬似アドオンの難易度を評価するための定性的および定量的解析を行う。 データセットは研究論文の受理とともに公開される予定だ。 データベースはhttps://github.com/usmancheema89/sejongfacedatabase。

関連論文リスト

• RealFace -- Pedestrian Face Dataset [0.0]
  Real Faceデータセットは、11,000以上の画像と、さまざまな環境下で検出された55,000以上の顔で構成されている。 データセットは現実世界のシナリオに重点を置いているため、実用アプリケーションには特に関係がある。 データセットが提示する課題は、現実世界の監視アプリケーションで直面する困難と一致している。
  論文  参考訳（メタデータ） (2024-08-30T22:31:48Z)
• 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)
• 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)
• 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)
• 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)
• Multi-Dataset Benchmarks for Masked Identification using Contrastive Representation Learning [0.0]
  新型コロナウイルスのパンデミックは世界中で受け入れられた基準を大きく変えた。 パスポート、運転免許証、国籍カードなどの公式文書には、完全な顔画像が登録されている。 空港やセキュリティチェックポイントでは、マスクの取り外しを依頼するのではなく、識別文書の未マスク画像とマスク付き人物とを一致させる方が安全である。 本稿では,マスクとマスクのない顔マッチングに特化した,視覚表現学習に基づく事前学習ワークフローを提案する。
  論文  参考訳（メタデータ） (2021-06-10T08:58:10Z)
• CASIA-Face-Africa: A Large-scale African Face Image Database [43.29325019954341]
  人種バイアスは、最先端の顔認識システム(sota)に固有のものであることが証明されていた。 パブリックドメインにおける大規模アフリカの顔画像データベースの欠如は、顔認識の人種バイアス問題の研究における主要な制限の1つである。 アフリカ1,183人の38,546枚の画像を含む顔画像データベースCASIA-Face-Africaを収集します。
  論文  参考訳（メタデータ） (2021-05-08T08:15:11Z)
• 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)
• Multi-Scale Thermal to Visible Face Verification via Attribute Guided Synthesis [55.29770222566124]
  可視画像から抽出した属性を用いて、熱画像から属性保存された可視画像を合成し、クロスモーダルマッチングを行う。 抽出した属性によって導かれる熱画像から可視像を合成するために, 新規なマルチスケールジェネレータを提案する。 事前訓練されたVGG-Faceネットワークを利用して、合成画像と入力可視画像から特徴を抽出し、検証を行う。
  論文  参考訳（メタデータ） (2020-04-20T01:45:05Z)
• 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。