論文の概要: Masked Face Recognition Challenge: The WebFace260M Track Report
- arxiv url: http://arxiv.org/abs/2108.07189v1
- Date: Mon, 16 Aug 2021 15:51:51 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-17 16:58:32.851007
- Title: Masked Face Recognition Challenge: The WebFace260M Track Report
- Title（参考訳）: Masked Face Recognition Challenge: WebFace260Mトラックレポート
- Authors: Zheng Zhu and Guan Huang and Jiankang Deng and Yun Ye and Junjie Huang
and Xinze Chen and Jiagang Zhu and Tian Yang and Jia Guo and Jiwen Lu and
Dalong Du and Jie Zhou
- Abstract要約: ICCV 2021におけるバイオメトリクスとマスク付き顔認識チャレンジ
WebFace260M Trackは、実用的なMFRのフロンティアを推進することを目的としている。
WebFace260M Trackの第1フェーズでは、69のチーム(トータル833ソリューション)がこの課題に参加している。
この挑戦には2021年10月1日までの第2フェーズと、進行中のリーダーボードがある。
- 参考スコア（独自算出の注目度）: 81.57455766506197
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: According to WHO statistics, there are more than 204,617,027 confirmed
COVID-19 cases including 4,323,247 deaths worldwide till August 12, 2021.
During the coronavirus epidemic, almost everyone wears a facial mask.
Traditionally, face recognition approaches process mostly non-occluded faces,
which include primary facial features such as the eyes, nose, and mouth.
Removing the mask for authentication in airports or laboratories will increase
the risk of virus infection, posing a huge challenge to current face
recognition systems. Due to the sudden outbreak of the epidemic, there are yet
no publicly available real-world masked face recognition (MFR) benchmark. To
cope with the above-mentioned issue, we organize the Face Bio-metrics under
COVID Workshop and Masked Face Recognition Challenge in ICCV 2021. Enabled by
the ultra-large-scale WebFace260M benchmark and the Face Recognition Under
Inference Time conStraint (FRUITS) protocol, this challenge (WebFace260M Track)
aims to push the frontiers of practical MFR. Since public evaluation sets are
mostly saturated or contain noise, a new test set is gathered consisting of
elaborated 2,478 celebrities and 60,926 faces. Meanwhile, we collect the
world-largest real-world masked test set. In the first phase of WebFace260M
Track, 69 teams (total 833 solutions) participate in the challenge and 49 teams
exceed the performance of our baseline. There are second phase of the challenge
till October 1, 2021 and on-going leaderboard. We will actively update this
report in the future.
- Abstract（参考訳）: WHOの統計によると、新型コロナウイルスの感染者は204,617,027人以上で、2021年8月12日までに全世界で4,323,247人が死亡した。
新型コロナウイルスの感染拡大に伴い、ほぼ全員がマスクを着用している。
伝統的に、顔認識のアプローチは主に非閉塞顔のプロセスであり、眼、鼻、口などの顔の特徴を含んでいる。
空港や研究所で認証用のマスクを外すと、ウイルス感染のリスクが高まり、現在の顔認識システムにとって大きな課題となる。
突然の流行により、MFR(Mal-world masked face recognition)ベンチマークがまだ公開されていない。
以上の課題に対処するため,ICCV 2021 の COVID Workshop および Masked Face Recognition Challenge の下で Face Bio-metrics を組織した。
超大規模WebFace260MベンチマークとFRUITS(Face Recognition Under Inference Time Constraint)プロトコルによって実現されているこのチャレンジ(WebFace260M Track)は、実用的なMFRのフロンティアを推し進めることを目的としている。
公共評価セットは、ほとんどが飽和またはノイズを含むため、精巧な2,478人の有名人と60,926人の顔からなる新しいテストセットが集められている。
一方、世界最大規模のマスクテストセットを収集します。
WebFace260M Trackの最初のフェーズでは、69のチーム(833のソリューション)がチャレンジに参加し、49のチームがベースラインのパフォーマンスを上回っました。
チャレンジの第2フェーズは2021年10月1日と進行中のleaderboardまでである。
我々はこの報告書を今後積極的に更新する。
関連論文リスト
- Towards Large-scale Masked Face Recognition [44.380235958577785]
新型コロナウイルス(COVID-19)が流行する中、ほとんどの人がマスクを着用している。
本稿では,ICCV MFR WebFace260M と InsightFace の制約のないトラックにテキスト分岐ソリューションを提示する。
論文 参考訳（メタデータ） (2023-10-25T05:04:47Z) - WebFace260M: A Benchmark for Million-Scale Deep Face Recognition [89.39080252029386]
我々は、未修正4MのID/260Mの顔(WebFace260M)とクリーン2MのID/42Mの顔(WebFace42M)を含む新しい100万スケールの認識ベンチマークに貢献する。
分散フレームワークは、性能を損なうことなく、顔認識モデルを効率的に訓練するために開発された。
提案したベンチマークは、標準、マスク付き、偏見のない顔認識シナリオにおいて大きな可能性を示している。
論文 参考訳（メタデータ） (2022-04-21T14:56:53Z) - Mask-invariant Face Recognition through Template-level Knowledge
Distillation [3.727773051465455]
マスクは従来の顔認識システムの性能に影響を与える。
マスク不変顔認識ソリューション(MaskInv)を提案する。
蒸留された知識に加えて、学生ネットワークは、マージンベースのアイデンティティ分類損失による追加ガイダンスの恩恵を受ける。
論文 参考訳（メタデータ） (2021-12-10T16:19:28Z) - Adversarial Mask: Real-World Adversarial Attack Against Face Recognition
Models [66.07662074148142]
本稿では,最先端の深層学習に基づく顔認識モデルに対する物理対角的普遍摂動(UAP)を提案する。
実験では,幅広い深層学習モデルとデータセットへの対向マスクの転送可能性について検討した。
ファブリック・メディカル・フェイスマスクに対向パターンを印刷することにより,実世界の実験において,我々の対向マスクの有効性を検証した。
論文 参考訳（メタデータ） (2021-11-21T08:13:21Z) - 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) - 3D High-Fidelity Mask Face Presentation Attack Detection Challenge [79.2407530090659]
大規模なHigh-Fidelity Maskデータセット、すなわちCASIA-SURF HiFiMaskが収集された。
我々は,3次元マスクによる攻撃検出の研究を促進するために,3次元高忠実マスク顔提示検出チャレンジを組織した。
論文 参考訳（メタデータ） (2021-08-16T08:40:12Z) - Masked Face Recognition using ResNet-50 [0.0]
新型コロナウイルス(COVID-19)の感染拡大に伴い、健康危機に直面しています。
公衆衛生当局は、病気の感染を65%削減できるフェイスマスクの使用を義務付けています。
本稿では,顔を正確に識別できる深層学習モデルを開発することにより,同じ問題を解明する。
論文 参考訳（メタデータ） (2021-04-19T01:09:47Z) - WebFace260M: A Benchmark Unveiling the Power of Million-Scale Deep Face
Recognition [79.65728162193584]
ノイズの多い4M顔/260M顔(WebFace260M)と2M顔/42M顔(WebFace42M)を含む新しい百万スケール顔ベンチマークを提供します。
我々は、挑戦的IJB-C集合の相対40%の故障率を減少させ、NIST-FRVTの430項目のうち3位にランク付けする。
10%のデータ(WebFace4M)でさえ、公開トレーニングセットよりも優れたパフォーマンスを示している。
論文 参考訳（メタデータ） (2021-03-06T11:12:43Z)
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。