論文の概要: Similarity Guided Deep Face Image Retrieval

• arxiv url: http://arxiv.org/abs/2107.05025v1
• Date: Sun, 11 Jul 2021 11:32:04 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-13 15:47:18.148716
• Title: Similarity Guided Deep Face Image Retrieval
• Title（参考訳）: 類似度誘導型深部顔画像検索
• Authors: Young Kyun Jang, Nam Ik Cho
• Abstract要約: 類似性誘導ハッシュ法(SGH)は、自己とペアの相似性を同時に考慮する。 SGHは大規模な顔画像データセット上で最先端の検索性能を提供する。
• 参考スコア（独自算出の注目度）: 21.99902461562925
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Face image retrieval, which searches for images of the same identity from the query input face image, is drawing more attention as the size of the image database increases rapidly. In order to conduct fast and accurate retrieval, a compact hash code-based methods have been proposed, and recently, deep face image hashing methods with supervised classification training have shown outstanding performance. However, classification-based scheme has a disadvantage in that it cannot reveal complex similarities between face images into the hash code learning. In this paper, we attempt to improve the face image retrieval quality by proposing a Similarity Guided Hashing (SGH) method, which gently considers self and pairwise-similarity simultaneously. SGH employs various data augmentations designed to explore elaborate similarities between face images, solving both intra and inter identity-wise difficulties. Extensive experimental results on the protocols with existing benchmarks and an additionally proposed large scale higher resolution face image dataset demonstrate that our SGH delivers state-of-the-art retrieval performance.
• Abstract（参考訳）: 検索入力された顔画像から同一同一の画像を検索する顔画像検索は、画像データベースのサイズが急速に増加するにつれて注目を浴びている。 高速かつ正確な検索を行うために, コンパクトなハッシュコードに基づく手法が提案されており, 近年, 教師付き分類訓練による深面画像ハッシュ手法が注目されている。 しかし、分類に基づくスキームは、顔画像間の複雑な類似性をハッシュコード学習に明らかにできないという欠点がある。 本稿では,自己と対相同性を同時に考慮した類似性誘導ハッシュ(sgh)法を提案することにより,顔画像の検索品質の向上を試みる。 sghは、顔画像間の精巧な類似性を探索するために設計された様々なデータ拡張を用いている。 既存のベンチマークと大規模高解像度顔画像データセットによるプロトコルに関する大規模な実験結果から,我々のSGHが最先端の検索性能を実現することを示す。

関連論文リスト

• Quo Vadis RankList-based System in Face Recognition? [8.695948189958814]
  合理的なLogit-Cohort Selection (LoCoS) により, RankList ベースの関数の性能を大幅に改善できることを示す。 難解な2つの顔認識データセットの実験により,提案手法の性能向上が示された。
  論文  参考訳（メタデータ） (2024-10-02T12:46:18Z)
• DeepFidelity: Perceptual Forgery Fidelity Assessment for Deepfake Detection [67.3143177137102]
  ディープフェイク検出(Deepfake detection)とは、画像やビデオにおいて、人工的に生成された顔や編集された顔を検出すること。 本稿では,実顔と偽顔とを適応的に識別するDeepFidelityという新しいDeepfake検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-12-07T07:19:45Z)
• Hierarchical Forgery Classifier On Multi-modality Face Forgery Clues [61.37306431455152]
  我々は,HFC-MFFD (hierarchical Forgery for Multi-modality Face Forgery Detection) を提案する。 HFC-MFFDは、マルチモーダルシナリオにおけるフォージェリー認証を強化するために、堅牢なパッチベースのハイブリッド表現を学習する。 クラス不均衡問題を緩和し、さらに検出性能を高めるために、特定の階層的な顔偽造を提案する。
  論文  参考訳（メタデータ） (2022-12-30T10:54:29Z)
• Specialized Re-Ranking: A Novel Retrieval-Verification Framework for Cloth Changing Person Re-Identification [36.4001616893874]
  Re-IDは通常のRe-IDや生体認証技術よりもセキュリティの高い複雑なシナリオで動作することができる。 類似画像を扱う新しい検索検証フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-10-07T14:47:28Z)
• FaceMap: Towards Unsupervised Face Clustering via Map Equation [45.72096482531776]
  顔のクラスタリングは、拡張現実やフォトアルバム管理といった関連アプリケーションの爆発により、コンピュータビジョンにおいて不可欠なタスクである。 我々は、非重複コミュニティ検出のプロセスとして、顔クラスタリングを定式化することにより、FaceMapと呼ばれる効果的な教師なし手法を開発した。 アブレーション研究による実験では、FaceMapは既存の手法よりも大幅に優れていた。
  論文  参考訳（メタデータ） (2022-03-21T03:23:09Z)
• Asymmetric Hash Code Learning for Remote Sensing Image Retrieval [22.91678927865952]
  リモートセンシング画像検索のための非対称ハッシュ符号学習(AHCL)という新しい深層ハッシュ法を提案する。 AHCLは、クエリとデータベースイメージのハッシュコードを非対称に生成する。 3つの公開データセットに対する実験結果から,提案手法は精度と効率の点で対称法より優れていることが示された。
  論文  参考訳（メタデータ） (2022-01-15T07:00:38Z)
• Learning Contrastive Representation for Semantic Correspondence [150.29135856909477]
  セマンティックマッチングのためのマルチレベルコントラスト学習手法を提案する。 画像レベルのコントラスト学習は、畳み込み特徴が類似したオブジェクト間の対応を見出すための鍵となる要素であることを示す。
  論文  参考訳（メタデータ） (2021-09-22T18:34:14Z)
• State of the Art: Image Hashing [0.0]
  知覚的画像ハッシュ法は、画像検索、重複画像やほぼ重複画像の発見、大規模画像コンテンツからの類似画像の発見など、様々な目的に応用されることが多い。 画像ハッシュ技術の主な課題は、視覚的に同一である画像において、同じまたは類似したハッシュを生成する、ロバストな特徴抽出である。 本稿では,従来の知覚ハッシュ法と深層学習に基づく知覚ハッシュ法について概説する。
  論文  参考訳（メタデータ） (2021-08-26T13:53:30Z)
• Multi-Margin based Decorrelation Learning for Heterogeneous Face Recognition [90.26023388850771]
  本稿では,超球面空間におけるデコリレーション表現を抽出するディープニューラルネットワーク手法を提案する。 提案するフレームワークは,不均一表現ネットワークとデコリレーション表現学習の2つのコンポーネントに分けることができる。 2つの難解な異種顔データベースに対する実験結果から,本手法は検証タスクと認識タスクの両方において優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2020-05-25T07:01:12Z)
• Joint Deep Learning of Facial Expression Synthesis and Recognition [97.19528464266824]
  顔表情の合成と認識を効果的に行うための新しい統合深層学習法を提案する。 提案手法は, 2段階の学習手順を伴い, まず, 表情の異なる顔画像を生成するために, 表情合成生成対向ネットワーク (FESGAN) を事前訓練する。 実画像と合成画像間のデータバイアスの問題を軽減するために,新しい実データ誘導バックプロパゲーション(RDBP)アルゴリズムを用いたクラス内損失を提案する。
  論文  参考訳（メタデータ） (2020-02-06T10:56:00Z)
• Fine-grained Image-to-Image Transformation towards Visual Recognition [102.51124181873101]
  我々は,入力画像の同一性を保った画像を生成するために,微細なカテゴリで画像を変換することを目的としている。 我々は、画像のアイデンティティと非関連要因をアンハングルするために、生成的敵ネットワークに基づくモデルを採用する。 CompCarsとMulti-PIEデータセットの実験では、我々のモデルが生成した画像のアイデンティティを、最先端の画像-画像変換モデルよりもはるかによく保存していることが示された。
  論文  参考訳（メタデータ） (2020-01-12T05:26:47Z)

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。