論文の概要: Real-Time Face Recognition System for Remote Employee Tracking
- arxiv url: http://arxiv.org/abs/2107.07576v1
- Date: Thu, 15 Jul 2021 19:21:37 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-20 00:40:46.646817
- Title: Real-Time Face Recognition System for Remote Employee Tracking
- Title（参考訳）: リモート従業員追跡のためのリアルタイム顔認識システム
- Authors: Mohammad Sabik Irbaz, MD Abdullah Al Nasim, Refat E Ferdous
- Abstract要約: 新型コロナウイルスの感染拡大を緩和するため、従業員が在宅勤務できるように、多くのオフィスが主導権を握った。
この課題に効果的に対処するため、私たちは、従業員を顔認識で追跡するソリューションを考案しました。
本稿では,これまで実験してきたシステムと,システムの長所と短所について簡潔に述べる。
- 参考スコア（独自算出の注目度）: 0.483420384410068
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: During the COVID-19 pandemic, most of the human-to-human interactions have
been stopped. To mitigate the spread of deadly coronavirus, many offices took
the initiative so that the employees can work from home. But, tracking the
employees and finding out if they are really performing what they were supposed
to turn out to be a serious challenge for all the companies and organizations
who are facilitating "Work From Home". To deal with the challenge effectively,
we came up with a solution to track the employees with face recognition. We
have been testing this system experimentally for our office. To train the face
recognition module, we used FaceNet with KNN using the Labeled Faces in the
Wild (LFW) dataset and achieved 97.8% accuracy. We integrated the trained model
into our central system, where the employees log their time. In this paper, we
discuss in brief the system we have been experimenting with and the pros and
cons of the system.
- Abstract（参考訳）: 新型コロナウイルス(COVID-19)パンデミックの間、人間と人間の相互作用のほとんどは停止された。
新型コロナウイルスの感染拡大を緩和するため、従業員が在宅勤務できるように多くの事務所が主導した。
しかし、従業員を追跡して、彼らが本当にやるべきことを実行しているかどうかを知ることは、"Work From Home"を促進するすべての企業や組織にとって深刻な課題です。
この課題を効果的に対処するために、私たちは、顔認識で従業員を追跡するソリューションを考え出した。
私たちはこのシステムをオフィスで実験的にテストしています。
顔認識モジュールのトレーニングには、Llabeled Faces in the Wild (LFW)データセットを使用して、KNNでFaceNetを使用し、97.8%の精度を達成した。
トレーニングされたモデルを中央システムに統合し、従業員が時間をログしたのです。
本稿では,これまで実験してきたシステムと,システムの長所と短所について簡潔に述べる。
関連論文リスト
- Privacy-preserving Optics for Enhancing Protection in Face De-identification [60.110274007388135]
この脆弱性を解決するために,ハードウェアレベルの顔識別手法を提案する。
また、プライバシ保存画像、フェイスヒートマップ、およびパブリックデータセットからの参照顔イメージを入力として、新しい顔を生成する匿名化フレームワークを提案する。
論文 参考訳（メタデータ） (2024-03-31T19:28:04Z) - Preventing Errors in Person Detection: A Part-Based Self-Monitoring
Framework [7.6849475214826315]
本稿では,認識システムが実行時に可視性チェックを行うことができる自己監視フレームワークを提案する。
人体部分検出のための追加の部品を組み込むことで、見逃した人体検出の回数を大幅に削減できることを示す。
論文 参考訳（メタデータ） (2023-07-10T12:59:30Z) - ASHA: Assistive Teleoperation via Human-in-the-Loop Reinforcement
Learning [91.58711082348293]
オンラインユーザからのフィードバックからシステムのパフォーマンスに関する強化学習は、この問題に対する自然な解決策である。
このアプローチでは、特にフィードバックが不足している場合には、ループ内の大量のトレーニングデータが必要になる傾向があります。
疎いユーザフィードバックから効率的に学習する階層型ソリューションを提案する。
論文 参考訳（メタデータ） (2022-02-05T02:01:19Z) - Masked Face Recognition Challenge: The InsightFace Track Report [79.77020394722788]
新型コロナウイルス(COVID-19)が流行する中、ほとんどの人が顔認証に挑戦するマスクを着用している。
本ワークショップでは,顔マスクの存在下でのベンチマークによる深層顔認識手法に着目した。
論文 参考訳（メタデータ） (2021-08-18T15:14:44Z) - Affect-Aware Deep Belief Network Representations for Multimodal
Unsupervised Deception Detection [3.04585143845864]
ラベルを必要とせず、ビデオの現実世界、高い盗難を検出するための教師なしのアプローチ。
本稿では,感情を意識しないDeep Belief Networks (DBN) の新たなアプローチを提案する。
また、DBNモデルを訓練する機能として顔の感情を使用するだけでなく、音声・視覚表現の整列器として顔の感情を利用するDBN訓練手順も導入する。
論文 参考訳（メタデータ） (2021-08-17T22:07:26Z) - A Computer Vision System to Help Prevent the Transmission of COVID-19 [79.62140902232628]
新型コロナウイルスのパンデミックは世界中の日常生活のあらゆる領域に影響を与える。
保健機関は、ソーシャルディスタンス、フェイスマスクを着用し、触れる顔を避けることをアドバイスします。
我々は、新型コロナウイルスの感染を防ぐためのディープラーニングベースのコンピュータビジョンシステムを開発した。
論文 参考訳（メタデータ） (2021-03-16T00:00:04Z) - Multi-Stage CNN Architecture for Face Mask Detection [0.0]
本研究では,フェイスマスクが適切に使用されていないインスタンスを検出できるディープラーニングシステムを提案する。
本システムは2段階の畳み込みニューラルネットワーク(CNN)アーキテクチャによって構成され,マスクやマスクのない顔を検出する。
これにより、安全違反の追跡、フェイスマスクの使用の促進、安全な作業環境の確保が期待できる。
論文 参考訳（メタデータ） (2020-09-16T12:23:21Z) - Perceiving Humans: from Monocular 3D Localization to Social Distancing [93.03056743850141]
本稿では,人間の3次元位置と身体の向きを1つの画像から知覚する,コスト効率の高い視覚ベースの新しい手法を提案する。
我々は,「社会的距離」という概念を,単純な位置に基づくルールとは対照的に,社会的相互作用の一形態として再考することが可能であることを示す。
論文 参考訳（メタデータ） (2020-09-01T10:12:30Z) - Toward Building Safer Smart Homes for the People with Disabilities [1.0742675209112622]
SafeAccessは、状況認識を提供することで、より安全なスマートホームを構築するためのエンドツーエンドの支援ソリューションである。
我々は、人物を検出して認識し、画像記述を生成し、スマートドアのプロトタイプを設計するための堅牢なモデルの構築に注力する。
このシステムは、来訪者の名前や「未知」のシーンイメージ、顔の描写、文脈情報を含むMMSをユーザに通知する。
本システムでは,Fスコア0.97の人物を識別し,Fスコア0.97の平均画像記述を生成する。
論文 参考訳（メタデータ） (2020-06-10T15:50:32Z) - Smart Attendance System Usign CNN [0.0]
我々は,顔検出と顔認識を用いた,出席者参加のためのスマートで効率的なシステムを導入している。
このシステムは、リアルタイムの顔認識を用いて、大学やオフィスに出席するために使用することができる。
出席記録は自動的に更新され、エクストラシートやデータベースに保存される。
論文 参考訳（メタデータ） (2020-04-22T09:04:33Z) - 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。