論文の概要: A Survey on Face Recognition Systems

• arxiv url: http://arxiv.org/abs/2201.02991v1
• Date: Sun, 9 Jan 2022 11:47:29 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-11 15:02:55.176143
• Title: A Survey on Face Recognition Systems
• Title（参考訳）: 顔認識システムに関する調査研究
• Authors: Jash Dalvi, Sanket Bafna, Devansh Bagaria, Shyamal Virnodkar
• Abstract要約: ディープラーニングは、畳み込みベースのアーキテクチャのため、コンピュータビジョンタスクで最も成功したことが証明されている。 ディープラーニングの出現以来、顔認識技術はその精度を大幅に向上させてきた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Face Recognition has proven to be one of the most successful technology and has impacted heterogeneous domains. Deep learning has proven to be the most successful at computer vision tasks because of its convolution-based architecture. Since the advent of deep learning, face recognition technology has had a substantial increase in its accuracy. In this paper, some of the most impactful face recognition systems were surveyed. Firstly, the paper gives an overview of a general face recognition system. Secondly, the survey covers various network architectures and training losses that have had a substantial impact. Finally, the paper talks about various databases that are used to evaluate the capabilities of a face recognition system.
• Abstract（参考訳）: 顔認識は最も成功した技術の1つであり、異種ドメインに影響を与えている。 深層学習はその畳み込みベースのアーキテクチャのため、コンピュータビジョンタスクで最も成功したことが証明されている。 ディープラーニングの出現以来、顔認識技術はその精度を大幅に向上させてきた。 本稿では,最も影響力のある顔認識システムについて検討した。 まず,一般的な顔認識システムの概要を紹介する。 第2に、調査では、さまざまなネットワークアーキテクチャと、大きな影響を与えたトレーニング損失をカバーしている。 最後に,顔認識システムの性能評価に使用される各種データベースについて述べる。

関連論文リスト

• 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)
• Robustness Disparities in Face Detection [64.71318433419636]
  本稿では,その顔検出システムの詳細なベンチマークとして,商業モデルと学術モデルのノイズに対する頑健性について検討する。 すべてのデータセットやシステム全体で、$textitmasculineである個人の写真が$textitdarker skin type$$$、$textitdarker$、または$textitdim lighting$は、他のIDよりもエラーの影響を受けやすい。
  論文  参考訳（メタデータ） (2022-11-29T05:22:47Z)
• A Comparative Analysis of the Face Recognition Methods in Video Surveillance Scenarios [0.0]
  本研究では,最先端の顔認識手法に対する比較ベンチマーク表を提案する。 本研究では, 年齢差, クラス内差(顔のメイクアップ, ひげなど)のある顔IDの映像監視データセットを構築し, ネイティブな顔画像データを用いて評価を行った。 一方、この研究は、マスクのない顔、マスクされた顔、眼鏡をかけた顔など、さまざまな状況下で最高の認識方法を発見する。
  論文  参考訳（メタデータ） (2022-11-05T17:59:18Z)
• FACESEC: A Fine-grained Robustness Evaluation Framework for Face Recognition Systems [49.577302852655144]
  FACESECは、顔認識システムのきめ細かい堅牢性評価のためのフレームワークです。 5つの顔認識システムをクローズド設定とオープン設定の両方で検討します。 ニューラルネットワークの正確な知識は、ブラックボックス攻撃におけるトレーニングデータの知識よりもはるかに重要である。
  論文  参考訳（メタデータ） (2021-04-08T23:00:25Z)
• Affect Analysis in-the-wild: Valence-Arousal, Expressions, Action Units and a Unified Framework [83.21732533130846]
  Aff-Wild と Aff-Wild2 の2つである。 これは、これらのデータベースで訓練された深層ニューラルネットワークの2つのクラスの設計を示す。 インパクト認識を共同で学び、効果的に一般化し、実行することができる新しいマルチタスクおよび全体主義のフレームワークが提示されます。
  論文  参考訳（メタデータ） (2021-03-29T17:36:20Z)
• Impact of Facial Tattoos and Paintings on Face Recognition Systems [14.784088881975897]
  顔の入れ墨や絵画が現在の顔認識システムに与える影響を調査します。 これらのモジュールに対する影響は、最先端のオープンソースおよび商用システムを用いて評価された。 私たちの研究は最初のケーススタディであり、顔のタトゥーや絵画によって引き起こされる視覚変化にロバストなアルゴリズムを設計する必要性を示しています。
  論文  参考訳（メタデータ） (2021-03-17T22:38:13Z)
• 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)
• The Elements of End-to-end Deep Face Recognition: A Survey of Recent Advances [56.432660252331495]
  顔認識はコンピュータビジョンにおいて最も人気があり、長く続いたトピックの1つである。 ディープフェイス認識は目覚ましい進歩を遂げ、多くの現実世界のアプリケーションで広く利用されている。 本稿では,各要素の最近の進歩を概観する。
  論文  参考訳（メタデータ） (2020-09-28T13:02:17Z)
• 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。