Fugu-MT 論文翻訳(概要): Biometrics in the Time of Pandemic: 40% Masked Face Recognition Degradation can be Reduced to 2%

論文の概要: Biometrics in the Time of Pandemic: 40% Masked Face Recognition Degradation can be Reduced to 2%

arxiv url: http://arxiv.org/abs/2201.00461v1
Date: Mon, 3 Jan 2022 03:17:06 GMT
ステータス: 処理完了
システム内更新日: 2022-01-04 13:29:57.507951
Title: Biometrics in the Time of Pandemic: 40% Masked Face Recognition Degradation can be Reduced to 2%
Title（参考訳）: パンデミック時のバイオメトリックス:40%マスク付き顔認識の劣化を2%に減らすことができる
Authors: Leonardo Queiroz, Kenneth Lai, Svetlana Yanushkevich, and Vlad Shmerko
Abstract要約: パンデミック時のマスク着用による認識性能の36.78%低下を報告した。我々は、クロススペクトル領域における先進的なディープラーニングアプローチを用いて、性能の向上と劣化率を1.79%に削減した。
参考スコア（独自算出の注目度）: 0.9169660430821361
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this study of the face recognition on masked versus unmasked faces generated using Flickr-Faces-HQ and SpeakingFaces datasets, we report 36.78% degradation of recognition performance caused by the mask-wearing at the time of pandemics, in particular, in border checkpoint scenarios. We have achieved better performance and reduced the degradation to 1.79% using advanced deep learning approaches in the cross-spectral domain.
Abstract（参考訳）: Flickr-Faces-HQとS talkingFacesデータセットを用いて生成したマスク付き顔と非マスク付き顔の顔認識について,パンデミック時のマスク着用による認識性能の36.78%低下,特に境界チェックポイントのシナリオで報告した。我々は、クロススペクトル領域における先進的なディープラーニングアプローチを用いて、性能の向上と劣化率を1.79%に削減した。

関連論文リスト

Seeing through the Mask: Multi-task Generative Mask Decoupling Face Recognition [47.248075664420874]
現在の一般的な顔認識システムは、隠蔽シーンに遭遇する際の重大な性能劣化に悩まされている。本稿では,これら2つのタスクを協調的に扱うために,マルチタスクのgEnerative mask dEcoupling Face Recognition (MEER) ネットワークを提案する。まず,マスクと識別情報を分離する新しいマスクデカップリングモジュールを提案する。
論文参考訳（メタデータ） (2023-11-20T03:23:03Z)
Learning Representations for Masked Facial Recovery [8.124282476398843]
近年のパンデミックは公共の場で防護マスクを着用している人が劇的に増えていますこの問題に対処する1つの方法は、前処理のステップとして、フェイスリカバリメソッドに戻ることです。マスクを被った同一人物の画像から顔画像の復元に特有な方法を提案する。
論文参考訳（メタデータ） (2022-12-28T22:22:15Z)
A Unified Framework for Masked and Mask-Free Face Recognition via Feature Rectification [19.417191498842044]
マスク付き顔とマスクなし顔の両方を識別するための統合フレームワークである顔特徴整形ネットワーク(FFR-Net)を提案する。本研究では,最先端認識モデルにより抽出された特徴を,空間次元とチャネル次元の両方で整列するための整列ブロックを導入する。実験により,我々のフレームワークは,マスク付き顔とマスクなし顔の両方を効果的に認識するための修正された特徴空間を学習できることが示されている。
論文参考訳（メタデータ） (2022-02-15T12:37:59Z)
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)
MLFW: A Database for Face Recognition on Masked Faces [56.441078419992046]
Masked LFW (MLFW) は、マスクのない顔からマスクされた顔を自動的に生成するツールである。 SOTAモデルの認識精度は、元の画像の精度と比較して、MLFWデータベース上で5%-16%低下する。
論文参考訳（メタデータ） (2021-09-13T09:30:10Z)
Masked Face Recognition Challenge: The WebFace260M Track Report [81.57455766506197]
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。
論文参考訳（メタデータ） (2021-08-16T15:51:51Z)
My Eyes Are Up Here: Promoting Focus on Uncovered Regions in Masked Face Recognition [4.171626860914305]
マスク付き顔認識(MFR)の課題に対処し、FRSにおける検証性能の評価に焦点をあてる。本研究では,従来の三重項損失と平均二乗誤差(MSE)を組み合わせることで,マスク付き非マスク比較モードにおけるMFRシステムのロバスト性を改善する手法を提案する。
論文参考訳（メタデータ） (2021-08-02T15:51:15Z)
Towards NIR-VIS Masked Face Recognition [47.00916333095693]
近赤外可視(NIR-VIS)顔認識は異種顔認識において最も一般的な症例である。 2つのドメインの顔表現で共有される相互情報を最大化するための新しいトレーニング手法を提案する。さらに、既存のNIR画像からマスク面を合成するために、3次元顔再構成に基づくアプローチを用いる。
論文参考訳（メタデータ） (2021-04-14T10:40:09Z)
Unmasking Face Embeddings by Self-restrained Triplet Loss for Accurate Masked Face Recognition [6.865656740940772]
マスク付き顔認識性能を改善するためのソリューションを提案する。具体的には,既存の顔認識モデル上で動作させるEmbedding Unmasking Model (EUM)を提案する。また、EUMが同一アイデンティティのマスクされていない顔のこれらに類似した埋め込みを作成することを可能にする新しい損失関数、自己拘束トリプルト(SRT)を提案します。
論文参考訳（メタデータ） (2021-03-02T13:43:11Z)
Facial Expressions as a Vulnerability in Face Recognition [73.85525896663371]
本研究では,顔認識システムのセキュリティ脆弱性としての表情バイアスについて検討する。本稿では,表情バイアスが顔認識技術の性能に与える影響を包括的に分析する。
論文参考訳（メタデータ） (2020-11-17T18:12:41Z)

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。