論文の概要: Deep learning for identification and face, gender, expression
recognition under constraints
- arxiv url: http://arxiv.org/abs/2111.01930v1
- Date: Tue, 2 Nov 2021 22:45:09 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-05 00:33:36.743366
- Title: Deep learning for identification and face, gender, expression
recognition under constraints
- Title（参考訳）: 制約下での識別・顔・性別・表情認識のための深層学習
- Authors: Ahmad B. Hassanat, Abeer Albustanji, Ahmad S. Tarawneh, Malek
Alrashidi, Hani Alharbi, Mohammed Alanazi, Mansoor Alghamdi, Ibrahim S
Alkhazi, V. B. Surya Prasath
- Abstract要約: 深層畳み込みニューラルネットワーク(Deep Convolutional Neural Network, CNN)は、ベール付き顔画像から特徴を抽出するために用いられる。
本研究の目的は, 深層学習に基づく自動計算機システムを用いて, 人物だけでなく, 性別, 年齢, 表情の認識や, 笑顔などの表情の認識を行う能力をテストすることである。
- 参考スコア（独自算出の注目度）: 1.2647816797166165
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Biometric recognition based on the full face is an extensive research area.
However, using only partially visible faces, such as in the case of
veiled-persons, is a challenging task. Deep convolutional neural network (CNN)
is used in this work to extract the features from veiled-person face images. We
found that the sixth and the seventh fully connected layers, FC6 and FC7
respectively, in the structure of the VGG19 network provide robust features
with each of these two layers containing 4096 features. The main objective of
this work is to test the ability of deep learning based automated computer
system to identify not only persons, but also to perform recognition of gender,
age, and facial expressions such as eye smile. Our experimental results
indicate that we obtain high accuracy for all the tasks. The best recorded
accuracy values are up to 99.95% for identifying persons, 99.9% for gender
recognition, 99.9% for age recognition and 80.9% for facial expression (eye
smile) recognition.
- Abstract（参考訳）: 全顔に基づく生体認証は広範な研究領域である。
しかし, 対象者の場合のように, 部分的に見える顔のみを使用することは難しい課題である。
深層畳み込みニューラルネットワーク(deep convolutional neural network, cnn)は,人間の顔画像から特徴を抽出するために用いられる。
その結果,VGG19ネットワーク構造における第6層と第7層,FC6層とFC7層は,それぞれ4096個の特徴を含むロバストな特徴を有することがわかった。
本研究の目的は, 深層学習に基づく自動計算機システムを用いて, 人物だけでなく, 性別, 年齢, 表情の認識や, 笑顔などの表情の認識を行う能力をテストすることである。
実験の結果,すべてのタスクにおいて高い精度が得られた。
最良記録の精度は、人物識別に99.95%、性別認識に99.9%、年齢認識に99.9%、表情(笑)認識に80.9%である。
関連論文リスト
- Exploring a Multimodal Fusion-based Deep Learning Network for Detecting Facial Palsy [3.2381492754749632]
本稿では,非構造化データと構造化データを用いて顔の麻痺を検知する多モード融合に基づくディープラーニングモデルを提案する。
我々のモデルはリコールスコアの減少を犠牲にして精度を77.05にわずかに改善した。
論文 参考訳（メタデータ） (2024-05-26T09:16:34Z) - IdentiFace : A VGG Based Multimodal Facial Biometric System [0.0]
アイデンティフェイス(IdentiFace)は、顔認識のコアと、性別、顔の形、感情など、最も重要な生体認証特性を結合した多モード顔バイオメトリックシステムである。
認識問題として、ferETデータベースから収集したデータを用いて、クラス内変動の高い5つのクラスに対して99.2%の精度で検定を行った。
また、有名人の顔形状データセットを用いて、顔形状問題において88.03%の精度を達成できた。
論文 参考訳（メタデータ） (2024-01-02T14:36:28Z) - Enhancing Facial Classification and Recognition using 3D Facial Models
and Deep Learning [0.30693357740321775]
分類精度を向上させるために,3次元顔モデルと深層学習手法を統合した。
このアプローチは、100%の個人分類、95.4%の性別分類、83.5%の表現分類の精度で顕著な結果が得られる。
論文 参考訳（メタデータ） (2023-12-08T18:09:29Z) - Whole-body Detection, Recognition and Identification at Altitude and
Range [57.445372305202405]
多様なデータセットに基づいて評価したエンドツーエンドシステムを提案する。
我々のアプローチでは、一般的な画像データセットで検出器を事前トレーニングし、BRIARの複雑なビデオや画像でそれを微調整する。
屋内・屋外・航空シナリオにおける様々な範囲や角度の異なる条件下で徹底的な評価を行う。
論文 参考訳（メタデータ） (2023-11-09T20:20:23Z) - SwinFace: A Multi-task Transformer for Face Recognition, Expression
Recognition, Age Estimation and Attribute Estimation [60.94239810407917]
本論文では,単一スウィントランスを用いた顔認識,表情認識,年齢推定,顔属性推定のための多目的アルゴリズムを提案する。
複数のタスク間の競合に対処するため、マルチレベルチャネル注意(MLCA)モジュールをタスク固有の分析に統合する。
実験の結果,提案したモデルでは顔の理解が良く,全てのタスクにおいて優れた性能が得られることがわかった。
論文 参考訳（メタデータ） (2023-08-22T15:38:39Z) - Analysis of Recent Trends in Face Recognition Systems [0.0]
クラス間の類似性とクラス内変異により、顔認識システムは、それぞれ偽マッチングと偽非マッチエラーを生成する。
近年の研究では、抽出した特徴の堅牢性向上と、認識精度を高めるための前処理アルゴリズムに焦点が当てられている。
論文 参考訳（メタデータ） (2023-04-23T18:55:45Z) - Learning Diversified Feature Representations for Facial Expression
Recognition in the Wild [97.14064057840089]
本稿では,CNN層が抽出した顔表情認識アーキテクチャの特徴を多様化する機構を提案する。
AffectNet,FER+,RAF-DBの3つの顔表情認識実験の結果,本手法の有効性が示された。
論文 参考訳（メタデータ） (2022-10-17T19:25:28Z) - End2End Occluded Face Recognition by Masking Corrupted Features [82.27588990277192]
最先端の一般的な顔認識モデルは、隠蔽された顔画像に対してうまく一般化しない。
本稿では,1つのエンドツーエンドのディープニューラルネットワークに基づいて,オクルージョンに頑健な新しい顔認識手法を提案する。
我々のアプローチは、深い畳み込みニューラルネットワークから破損した特徴を発見し、動的に学習されたマスクによってそれらをきれいにする。
論文 参考訳（メタデータ） (2021-08-21T09:08:41Z) - Harnessing Unrecognizable Faces for Face Recognition [87.80037162457427]
本稿では,顔画像の認識可能性の尺度を提案し,主に認識可能なアイデンティティを用いて訓練されたディープニューラルネットワークによって実現された。
FAR=1e-5において,認識可能性を考慮した場合,単画像認識の誤り率を58%減少させることを示す。
論文 参考訳（メタデータ） (2021-06-08T05:25:03Z) - 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。