論文の概要: MaskMTL: Attribute prediction in masked facial images with deep multitask learning

• arxiv url: http://arxiv.org/abs/2201.03002v2
• Date: Tue, 11 Jan 2022 11:12:59 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-12 12:11:06.752648
• Title: MaskMTL: Attribute prediction in masked facial images with deep multitask learning
• Title（参考訳）: MaskMTL:深層マルチタスク学習によるマスク付き顔画像の属性予測
• Authors: Prerana Mukherjee, Vinay Kaushik, Ronak Gupta, Ritika Jha, Daneshwari Kankanwadi, and Brejesh Lall
• Abstract要約: 本稿では,マスク付き顔画像から多種多様な特徴を共同で推定する深層マルチタスク学習(MTL)手法を提案する。 提案手法は、他の競合技術よりも性能が優れている。
• 参考スコア（独自算出の注目度）: 9.91045425400833
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Predicting attributes in the landmark free facial images is itself a challenging task which gets further complicated when the face gets occluded due to the usage of masks. Smart access control gates which utilize identity verification or the secure login to personal electronic gadgets may utilize face as a biometric trait. Particularly, the Covid-19 pandemic increasingly validates the essentiality of hygienic and contactless identity verification. In such cases, the usage of masks become more inevitable and performing attribute prediction helps in segregating the target vulnerable groups from community spread or ensuring social distancing for them in a collaborative environment. We create a masked face dataset by efficiently overlaying masks of different shape, size and textures to effectively model variability generated by wearing mask. This paper presents a deep Multi-Task Learning (MTL) approach to jointly estimate various heterogeneous attributes from a single masked facial image. Experimental results on benchmark face attribute UTKFace dataset demonstrate that the proposed approach supersedes in performance to other competing techniques. The source code is available at https://github.com/ritikajha/Attribute-prediction-in-masked-facial-images-with-deep-multitask-learni ng
• Abstract（参考訳）: 目印の自由な顔画像の属性を予測することは、マスクの使用によって顔が目立たなくなるとさらに複雑になる課題である。 身元確認や個人情報へのセキュアなログインを利用するスマートアクセス制御ゲートは、生体認証特性として顔を利用することができる。 特に、Covid-19パンデミックは、衛生的および接触のない身元確認の重要性をますます証明している。 このような場合、マスクの使用はより避けられないものとなり、属性予測は、コミュニティの広がりからターゲットの脆弱なグループを分離したり、共同環境での社会的距離を確保するのに役立つ。 マスクの形状,大きさ,テクスチャの異なるマスクを効率的にオーバーレイすることで,マスクの装着による変動を効果的にモデル化する。 本稿では,マスク付き顔画像から多種多様な属性を同時推定する深層マルチタスク学習(MTL)手法を提案する。 ベンチマーク顔属性UTKFaceデータセットの実験結果から,提案手法が他の競合技術に取って代わることを示す。 ソースコードはhttps://github.com/ritikajha/attribute-prediction-in-masked-face-images-with-deep-multitask-learning で入手できる。

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)
• Improving Masked Autoencoders by Learning Where to Mask [65.89510231743692]
  マスケ画像モデリングは視覚データに対する有望な自己教師型学習手法である。 本稿では,Gumbel-Softmax を用いて,対向学習マスク生成装置とマスク誘導画像モデリングプロセスとを相互接続するフレームワーク AutoMAE を提案する。 実験の結果,AutoMAEは,標準の自己監督型ベンチマークや下流タスクに対して,効果的な事前学習モデルを提供することがわかった。
  論文  参考訳（メタデータ） (2023-03-12T05:28:55Z)
• FaceMAE: Privacy-Preserving Face Recognition via Masked Autoencoders [81.21440457805932]
  顔のプライバシと認識性能を同時に考慮する新しいフレームワークFaceMAEを提案する。 ランダムにマスクされた顔画像は、FaceMAEの再構築モジュールのトレーニングに使用される。 また、いくつかの公開顔データセット上で十分なプライバシー保護顔認証を行う。
  論文  参考訳（メタデータ） (2022-05-23T07:19:42Z)
• 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)
• 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)
• CoverTheFace: face covering monitoring and demonstrating using deep learning and statistical shape analysis [6.0645077747881855]
  マスクを着用することは、新型コロナウイルスのパンデミックに対する強力な保護だ。 この観察により,マスクを着用している人の状態を自動で監視する手法が考案された。 これまでの研究とは違って、マスク検出だけでなく、適切なマスク着用に関するパーソナライズされたデモンストレーションの作成にも重点を置いています。
  論文  参考訳（メタデータ） (2021-08-23T22:11:07Z)
• Multi-Dataset Benchmarks for Masked Identification using Contrastive Representation Learning [0.0]
  新型コロナウイルスのパンデミックは世界中で受け入れられた基準を大きく変えた。 パスポート、運転免許証、国籍カードなどの公式文書には、完全な顔画像が登録されている。 空港やセキュリティチェックポイントでは、マスクの取り外しを依頼するのではなく、識別文書の未マスク画像とマスク付き人物とを一致させる方が安全である。 本稿では,マスクとマスクのない顔マッチングに特化した,視覚表現学習に基づく事前学習ワークフローを提案する。
  論文  参考訳（メタデータ） (2021-06-10T08:58:10Z)
• Boosting Masked Face Recognition with Multi-Task ArcFace [0.973681576519524]
  新型コロナウイルス(COVID-19)による世界的な健康危機を考えると、口と鼻を覆うマスクは日常の衣服に欠かせないものになっています。 この尺度は、マスクされた顔で機能するよう設計されていないため、最先端の顔認識モデルをロープに乗せている。 完全なトレーニングパイプラインがArcFace作業に基づいて提示され、バックボーンとロス関数のいくつかの修正が行われている。
  論文  参考訳（メタデータ） (2021-04-20T10:12:04Z)
• Contrastive Context-Aware Learning for 3D High-Fidelity Mask Face Presentation Attack Detection [103.7264459186552]
  顔認識システムには、顔提示攻撃検出(PAD)が不可欠である。 ほとんどの既存の3DマスクPADベンチマークにはいくつかの欠点があります。 現実世界のアプリケーションとのギャップを埋めるために、大規模なハイファイアリティマスクデータセットを紹介します。
  論文  参考訳（メタデータ） (2021-04-13T12:48:38Z)
• Towards Face Encryption by Generating Adversarial Identity Masks [53.82211571716117]
  敵の識別マスクを生成するためのターゲットID保護反復法(TIP-IM)を提案する。 TIP-IMは、様々な最先端の顔認識モデルに対して95%以上の保護成功率を提供する。
  論文  参考訳（メタデータ） (2020-03-15T12:45:10Z)

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。