論文の概要: Applying Artificial Intelligence for Age Estimation in Digital Forensic Investigations

• arxiv url: http://arxiv.org/abs/2201.03045v1
• Date: Sun, 9 Jan 2022 16:25:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-12 01:45:31.430804
• Title: Applying Artificial Intelligence for Age Estimation in Digital Forensic Investigations
• Title（参考訳）: デジタル法医学調査における年齢推定への人工知能の適用
• Authors: Thomas Grubl, Harjinder Singh Lallie
• Abstract要約: 調査員は画像を見て、性発達段階やその他の人間の特徴を解釈することで、被害者の年齢を決定する必要があることが多い。 本稿では、既存の顔画像データセットを評価し、類似のデジタル法医学研究貢献のニーズに合わせて、新しいデータセットを提案する。 新しいデータセットは、IMDB-WIKIデータセットで事前トレーニングされたDeep Expectation (DEX)アルゴリズムでテストされる。
• 参考スコア（独自算出の注目度）: 0.8122270502556371
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The precise age estimation of child sexual abuse and exploitation (CSAE) victims is one of the most significant digital forensic challenges. Investigators often need to determine the age of victims by looking at images and interpreting the sexual development stages and other human characteristics. The main priority - safeguarding children -- is often negatively impacted by a huge forensic backlog, cognitive bias and the immense psychological stress that this work can entail. This paper evaluates existing facial image datasets and proposes a new dataset tailored to the needs of similar digital forensic research contributions. This small, diverse dataset of 0 to 20-year-old individuals contains 245 images and is merged with 82 unique images from the FG-NET dataset, thus achieving a total of 327 images with high image diversity and low age range density. The new dataset is tested on the Deep EXpectation (DEX) algorithm pre-trained on the IMDB-WIKI dataset. The overall results for young adolescents aged 10 to 15 and older adolescents/adults aged 16 to 20 are very encouraging -- achieving MAEs as low as 1.79, but also suggest that the accuracy for children aged 0 to 10 needs further work. In order to determine the efficacy of the prototype, valuable input of four digital forensic experts, including two forensic investigators, has been taken into account to improve age estimation results. Further research is required to extend datasets both concerning image density and the equal distribution of factors such as gender and racial diversity.
• Abstract（参考訳）: 児童性的虐待・搾取(CSAE)被害者の正確な年齢推定は、最も重要なデジタル法医学的課題の一つである。 調査員は画像を見て、性発達段階やその他の人間の特徴を解釈することで、被害者の年齢を決定する必要があることが多い。 子どもを守る主な優先事項は、しばしば巨大な法医学的バックログ、認知バイアス、そしてこの研究が引き起こす膨大な心理的ストレスに負の影響を受けます。 本稿では、既存の顔画像データセットを評価し、同様のデジタル法医学研究の貢献のニーズに合わせた新しいデータセットを提案する。 この0歳から20歳の小さなデータセットは245枚の画像を含み、FG-NETデータセットから82枚のユニークな画像とマージされ、画像の多様性と低年齢範囲の密度で合計327枚の画像が得られる。 新しいデータセットは、IMDB-WIKIデータセットで事前トレーニングされたDeep Expectation (DEX)アルゴリズムでテストされる。 10歳から15歳までの青年と16歳から20歳までの青年の合計成績は、非常に奨励的だが、0歳から10歳までの子どもの正確さはさらなる作業が必要であることも示唆している。 試作機の有効性を判断するために,2人の法医学研究者を含む4人のデジタル法医学専門家の貴重な入力を考慮し,年齢推定結果の改善を図る。 さらに、画像密度とジェンダーや人種の多様性などの要因の均等な分布に関するデータセットを拡張する必要がある。

関連論文リスト

• Celeb-FBI: A Benchmark Dataset on Human Full Body Images and Age, Gender, Height and Weight Estimation using Deep Learning Approach [0.0]
  「Celeb-FBI」データセットには、身長、年齢、体重、性別の詳細な情報とともに、7,211人の個人像が含まれている。 我々はCNN,50層ResNet,16層VGGという3つの深層学習手法を用いて,人間のフルボディ画像から身長,体重,年齢,性別を推定する。 結果から、ResNet-50の精度は79.18%、性別は95.43%、身長は85.60%、体重は81.91%であった。
  論文  参考訳（メタデータ） (2024-07-03T20:16:47Z)
• Data Augmentation in Human-Centric Vision [54.97327269866757]
  本研究では,人間中心型視覚タスクにおけるデータ拡張手法の包括的分析を行う。 それは、人物のReID、人間のパーシング、人間のポーズ推定、歩行者検出など、幅広い研究領域に展開している。 我々の研究は、データ拡張手法をデータ生成とデータ摂動の2つの主なタイプに分類する。
  論文  参考訳（メタデータ） (2024-03-13T16:05:18Z)
• OpticalDR: A Deep Optical Imaging Model for Privacy-Protective Depression Recognition [66.91236298878383]
  抑うつ認識(DR)は、特にプライバシー上の懸念の文脈において、大きな課題となる。 我々は,疾患関連特徴を保持しつつ,撮像した顔画像の識別情報を消去する新しいイメージングシステムを設計した。 正確なDRに必要な本態性疾患の特徴を保ちながら、アイデンティティ情報の回復には不可逆である。
  論文  参考訳（メタデータ） (2024-02-29T01:20:29Z)
• Multimodal brain age estimation using interpretable adaptive population-graph learning [58.99653132076496]
  下流タスクに最適化された人口グラフ構造を学習するフレームワークを提案する。 注意機構は、画像と非画像の特徴のセットに重みを割り当てる。 グラフ構築において最も重要な注意重みを可視化することにより、グラフの解釈可能性を高める。
  論文  参考訳（メタデータ） (2023-07-10T15:35:31Z)
• Joint Person Identity, Gender and Age Estimation from Hand Images using Deep Multi-Task Representation Learning [0.0]
  画像から人物の身元、性別、年齢を共同で推定するマルチタスク表現学習フレームワークを提案する。 公開可能な1kハンドデータセット上で,畳み込みベースと変圧器ベースの両方のディープラーニングアーキテクチャの評価と比較を行う。 実験により, 身元だけでなく, 被疑者の性別や年齢などの属性を手動画像から効率的に推定できることが示唆された。
  論文  参考訳（メタデータ） (2023-03-27T14:52:08Z)
• LAE : Long-tailed Age Estimation [52.5745217752147]
  まず、簡単な標準ベースラインを定式化し、事前トレーニング、データ拡張、モデルアーキテクチャなどのトリックを収集することで、はるかに強力なベースラインを構築します。 標準ベースラインと比較して,提案手法は推定誤差を著しく低減する。 本稿では,Long-tailed Age Estimation (LAE) という2段階の学習手法を提案する。
  論文  参考訳（メタデータ） (2021-10-25T09:05:44Z)
• Investigating Fairness of Ocular Biometrics Among Young, Middle-Aged, and Older Adults [0.0]
  近年, 公正かつ信頼性の高いバイオメトリック・ソリューションの展開に向けて, 様々なバイオメトリック・モダリティのバイアスについて検討する声が上がっている。 本研究の目的は,若年者,中年者,高齢者の可視光スペクトルにおける眼バイオメトリックスの公正性を評価することである。
  論文  参考訳（メタデータ） (2021-10-04T18:03:18Z)
• FP-Age: Leveraging Face Parsing Attention for Facial Age Estimation in the Wild [50.8865921538953]
  年齢推定に顔のセマンティクスを明示的に組み込む手法を提案する。 我々は,顔解析に基づくネットワークを設計し,異なるスケールで意味情報を学習する。 提案手法は,既存の年齢推定手法を常に上回っていることを示す。
  論文  参考訳（メタデータ） (2021-06-21T14:31:32Z)
• Assessing the Influencing Factors on the Accuracy of Underage Facial Age Estimation [3.2111310859841984]
  21,800人以上の未成年者を対象に,2つの雲齢推定サービスを評価した。 徹底的な評価により、将来の年齢推定システムにおいて克服すべき最も影響力のある要因を特定できる。
  論文  参考訳（メタデータ） (2020-12-02T13:09:56Z)
• Investigating Bias in Deep Face Analysis: The KANFace Dataset and Empirical Study [67.3961439193994]
  現在までに最も包括的で大規模な顔画像とビデオのデータセットを導入している。 データは、アイデンティティ、正確な年齢、性別、親族関係の点で手動で注釈付けされる。 提案したベンチマークでネットワーク埋め込みをデバイアス化する手法を導入し,テストした。
  論文  参考訳（メタデータ） (2020-05-15T00:14:39Z)

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。