Fugu-MT 論文翻訳(概要): Neural Network Facial Authentication for Public Electric Vehicle Charging Station

論文の概要: Neural Network Facial Authentication for Public Electric Vehicle Charging Station

arxiv url: http://arxiv.org/abs/2106.10432v1
Date: Sat, 19 Jun 2021 05:48:42 GMT
ステータス: 処理完了
システム内更新日: 2021-06-24 11:24:01.309228
Title: Neural Network Facial Authentication for Public Electric Vehicle Charging Station
Title（参考訳）: 電気自動車充電ステーションにおけるニューラルネットワーク顔認証
Authors: Muhamad Amin Husni Abdul Haris, Sin Liang Lim
Abstract要約: Dlib ResNetは、アジアの顔に関しては精度に欠けていたと報告されている。電気自動車充電ステーションにおける顔認識によるユーザ認証は、実用的なユースケースを示す。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This study is to investigate and compare the facial recognition accuracy performance of Dlib ResNet against a K-Nearest Neighbour (KNN) classifier. Particularly when used against a dataset from an Asian ethnicity as Dlib ResNet was reported to have an accuracy deficiency when it comes to Asian faces. The comparisons are both implemented on the facial vectors extracted using the Histogram of Oriented Gradients (HOG) method and use the same dataset for a fair comparison. Authentication of a user by facial recognition in an electric vehicle (EV) charging station demonstrates a practical use case for such an authentication system.
Abstract（参考訳）: 本研究では,Dlib ResNetの顔認識精度をK-Nearest Neighbour (KNN)分類器と比較する。特に、アジア系民族のデータセットに対して、Dlib ResNetはアジア系民族の顔に関して精度に欠けると報告されている。これらの比較は、向き付け勾配法(HOG)のヒストグラムを用いて抽出された顔ベクトルに実装され、同じデータセットを公正な比較に使用する。電気自動車(EV)充電ステーションにおける顔認識によるユーザ認証は、そのような認証システムに実用的なユースケースを示す。

関連論文リスト

GenFace: A Large-Scale Fine-Grained Face Forgery Benchmark and Cross Appearance-Edge Learning [50.7702397913573]
フォトリアリスティック・ジェネレータの急速な進歩は、真の画像と操作された画像の相違がますます不明瞭になっている臨界点に達している。公開されている顔の偽造データセットはいくつかあるが、偽造顔は主にGANベースの合成技術を用いて生成される。我々は,大規模で多様できめ細かな高忠実度データセットであるGenFaceを提案し,ディープフェイク検出の進展を促進する。
論文参考訳（メタデータ） (2024-02-03T03:13:50Z)
Rethinking Bias Mitigation: Fairer Architectures Make for Fairer Face Recognition [107.58227666024791]
顔認識システムは、法執行を含む安全クリティカルなアプリケーションに広くデプロイされている。彼らは、性別や人種など、様々な社会的デデノグラフィー次元に偏見を示す。バイアス軽減に関するこれまでの研究は、主にトレーニングデータの事前処理に重点を置いていた。
論文参考訳（メタデータ） (2022-10-18T15:46:05Z)
On GANs perpetuating biases for face verification [75.99046162669997]
GANなどの生成モデルから生成されたデータにはバイアスや公平性の問題が伴う。特に、FFHQデータセットでトレーニングされたGANは、20～29歳の年齢層で白人の顔を生成するバイアスを示している。
論文参考訳（メタデータ） (2022-08-27T17:47:09Z)
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)
Meta Balanced Network for Fair Face Recognition [51.813457201437195]
我々は、データとアルゴリズムの両方の側面からバイアスを体系的に科学的に研究する。本稿では,メタバランスネットワーク(MBN)と呼ばれるメタ学習アルゴリズムを提案する。大規模な実験により、MBNは偏見を緩和し、顔認識において異なる肌のトーンを持つ人々に対してよりバランスの取れたパフォーマンスを学ぶことができた。
論文参考訳（メタデータ） (2022-05-13T10:25:44Z)
Learning Fair Face Representation With Progressive Cross Transformer [79.73754444296213]
フェアフェイス認識のためのプログレッシブクロストランス (PCT) 手法を提案する。我々は,PCTが最先端FR性能を達成しつつ,顔認識におけるバイアスを軽減することができることを示した。
論文参考訳（メタデータ） (2021-08-11T01:31:14Z)
Facial expression and attributes recognition based on multi-task learning of lightweight neural networks [9.162936410696409]
顔の識別と顔の属性の分類のための軽量畳み込みニューラルネットワークのマルチタスクトレーニングを検討する。顔の表情を予測するためには,これらのネットワークを微調整する必要がある。 MobileNet、EfficientNet、RexNetアーキテクチャに基づくいくつかのモデルが提示される。
論文参考訳（メタデータ） (2021-03-31T14:21:04Z)
The FaceChannel: A Fast & Furious Deep Neural Network for Facial Expression Recognition [71.24825724518847]
顔の表情の自動認識(FER)の最先端モデルは、非常に深いニューラルネットワークに基づいており、訓練には効果的だがかなり高価である。私たちは、一般的なディープニューラルネットワークよりもはるかに少ないパラメータを持つ軽量ニューラルネットワークであるFaceChannelを形式化します。我々は、私たちのモデルがFERの現在の最先端技術に匹敵するパフォーマンスを達成する方法を実証する。
論文参考訳（メタデータ） (2020-09-15T09:25:37Z)
BioMetricNet: deep unconstrained face verification through learning of metrics regularized onto Gaussian distributions [25.00475462213752]
深層非拘束顔認証のための新しいフレームワークであるBioMetricNetを提案する。提案手法では、顔の特徴について具体的な指標を課していない。マッチングと非マッチングのペアを、明確に分離された、よく定義されたターゲット分布にマッピングする潜在表現を学習することで、決定空間を形成する。
論文参考訳（メタデータ） (2020-08-13T17:22:46Z)
Deep convolutional neural networks for face and iris presentation attack detection: Survey and case study [0.5801044612920815]
顔PADのクロスデータセット評価は,術式よりも一般化が良好であった。顔と虹彩の両方の攻撃を検出するために訓練された1つのディープネットワークを提案する。
論文参考訳（メタデータ） (2020-04-25T02:06:19Z)
xCos: An Explainable Cosine Metric for Face Verification Task [24.86571839143786]
我々は、顔認識タスク、特にここでの顔認証についてXAI(説明可能なAI)について研究する。我々は、多くの検証モデルにプラグインして意味のある説明を提供することができる学習可能なモジュールを備えた、説明可能なコサイン(xCos$)と呼ばれる新しい類似度指標を提案する。提案手法がLFWおよび各種競合ベンチマークに与える影響を実証し, 顔認証のための新規かつ望ましくないモデル解釈性を提供するだけでなく, 既存の顔認証モデルに接続する際の精度も確保する。
論文参考訳（メタデータ） (2020-03-11T16:03:44Z)

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。