論文の概要: Human Face Recognition from Part of a Facial Image based on Image
Stitching
- arxiv url: http://arxiv.org/abs/2203.05601v1
- Date: Thu, 10 Mar 2022 19:31:57 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-14 21:32:26.883199
- Title: Human Face Recognition from Part of a Facial Image based on Image
Stitching
- Title（参考訳）: 画像の縫合に基づく顔画像の一部からの人間の顔認識
- Authors: Osama R. Shahin, Rami Ayedi, Alanazi Rayan, Rasha M. Abd El-Aziz,
Ahmed I. Taloba
- Abstract要約: 現在の顔認識技術のほとんどは、認識される人物の完全な顔の存在を必要とする。
そこで本研究では,欠損部を画像に示す部分のフリップで縫合する工程を採用した。
ここで適用された顔認識アルゴリズムは固有顔と幾何学的手法である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Most of the current techniques for face recognition require the presence of a
full face of the person to be recognized, and this situation is difficult to
achieve in practice, the required person may appear with a part of his face,
which requires prediction of the part that did not appear. Most of the current
forecasting processes are done by what is known as image interpolation, which
does not give reliable results, especially if the missing part is large. In
this work, we adopted the process of stitching the face by completing the
missing part with the flipping of the part shown in the picture, depending on
the fact that the human face is characterized by symmetry in most cases. To
create a complete model, two facial recognition methods were used to prove the
efficiency of the algorithm. The selected face recognition algorithms that are
applied here are Eigenfaces and geometrical methods. Image stitching is the
process during which distinctive photographic images are combined to make a
complete scene or a high-resolution image. Several images are integrated to
form a wide-angle panoramic image. The quality of the image stitching is
determined by calculating the similarity among the stitched image and original
images and by the presence of the seam lines through the stitched images. The
Eigenfaces approach utilizes PCA calculation to reduce the feature vector
dimensions. It provides an effective approach for discovering the
lower-dimensional space. In addition, to enable the proposed algorithm to
recognize the face, it also ensures a fast and effective way of classifying
faces. The phase of feature extraction is followed by the classifier phase.
- Abstract（参考訳）: 現在の顔認識技術のほとんどは、認識対象者の全顔の存在を必要としており、この状況は実際に達成することは困難であり、必要な人物が顔の一部で現れる可能性があり、そのためには、現れていない部分の予測が必要となる。
現在の予測プロセスの大部分は、画像補間(image interpolation)と呼ばれるもので、特に欠落部分が大きい場合には、信頼性の高い結果を与えない。
本研究では,人間の顔がほとんどが対称性によって特徴付けられるという事実に応じて,画像に示される部分の反転により欠落部分を完成させて顔を縫い合わせる方法を採用した。
完全なモデルを作成するために、アルゴリズムの効率を証明するために2つの顔認識手法が用いられた。
ここで適用される顔認識アルゴリズムは固有顔と幾何学的手法である。
画像ステッチ(英: image stitching)とは、特定の写真画像を組み合わせて完全なシーンや高解像度画像を作る過程である。
複数の画像が統合され、広角パノラマ画像を形成する。
縫合画像と原画像との類似性を算出し、縫合画像を介して縫合線の有無により、縫合の品質を判定する。
EigenfacesアプローチはPCA計算を利用して特徴ベクトル次元を縮小する。
これは、低次元空間を発見するための効果的なアプローチを提供する。
さらに,提案アルゴリズムが顔を認識するためには,顔の分類を迅速かつ効果的に行うことができる。
特徴抽出のフェーズは分類器フェーズに続きます。
関連論文リスト
- End-to-end Face-swapping via Adaptive Latent Representation Learning [12.364688530047786]
本稿では,高精細・高精細・高精細・高精細・高精細な顔交換のための新しいエンドツーエンド統合フレームワークを提案する。
顔の知覚とブレンドをエンドツーエンドのトレーニングとテストのプロセスに統合することで、野生の顔に高いリアルな顔スワッピングを実現することができる。
論文 参考訳（メタデータ） (2023-03-07T19:16:20Z) - Real-Time Facial Expression Recognition using Facial Landmarks and
Neural Networks [0.0]
本稿では,特徴抽出,7つの感情の分類,表情認識をリアルタイムに行うアルゴリズムを提案する。
前処理アルゴリズムに基づいてマルチ層パーセプトロンニューラルネットワークをトレーニングする。
3層はこれらの特徴ベクトルを使って訓練され、テストセットでは96%の精度が得られた。
論文 参考訳（メタデータ） (2022-01-31T21:38:30Z) - SynFace: Face Recognition with Synthetic Data [83.15838126703719]
我々は、ID混在(IM)とドメイン混在(DM)を併用したSynFaceを考案し、パフォーマンスギャップを緩和する。
また、合成顔画像の系統的実験分析を行い、合成データを顔認識に効果的に活用する方法についての知見を提供する。
論文 参考訳（メタデータ） (2021-08-18T03:41:54Z) - Pro-UIGAN: Progressive Face Hallucination from Occluded Thumbnails [53.080403912727604]
Inpainting Generative Adversarial Network, Pro-UIGANを提案する。
顔の形状を利用して、隠された小さな顔の補充とアップサンプリング(8*)を行う。
Pro-UIGANは、HR面を視覚的に満足させ、下流タスクにおいて優れたパフォーマンスを達成する。
論文 参考訳（メタデータ） (2021-08-02T02:29:24Z) - Robust Face-Swap Detection Based on 3D Facial Shape Information [59.32489266682952]
顔のスワップ画像やビデオは、悪意ある攻撃者を惹きつけ、重要な人物の信用を損ねている。
以前のピクセルレベルのアーティファクトに基づく検出技術は、常に不明瞭なパターンにフォーカスするが、利用可能なセマンティックなヒントは無視する。
キーフィギュアの顔・スワップ検出のための外観・形状特徴をフル活用するための生体情報に基づく手法を提案する。
論文 参考訳（メタデータ） (2021-04-28T09:35:48Z) - 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) - DeepFake Detection Based on the Discrepancy Between the Face and its
Context [94.47879216590813]
単一画像における顔のスワップやその他のアイデンティティ操作を検出する手法を提案する。
提案手法は, (i) 厳密なセマンティックセグメンテーションによって境界付けられた顔領域を考慮した顔識別ネットワークと, (ii) 顔コンテキストを考慮したコンテキスト認識ネットワークの2つのネットワークを含む。
本稿では,2つのネットワークからの認識信号を用いて,そのような不一致を検出する手法について述べる。
提案手法は,FaceForensics++,Celeb-DF-v2,DFDCベンチマークを用いて顔検出を行い,未知の手法で生成した偽物の検出を一般化する。
論文 参考訳（メタデータ） (2020-08-27T17:04:46Z) - Do We Need Depth in State-Of-The-Art Face Authentication? [8.755493949976492]
本研究では,顔表面や深度マップを明示的に計算することなく,ステレオカメラシステムから顔を認識する新しい手法を提案する。
原顔ステレオ画像は、顔が抽出された画像の位置とともに、提案したCNNが認識タスクを改善することができる。
提案手法は,大規模ベンチマークにおいて,単一画像と明示的深度に基づく手法の両方に優れることを示した。
論文 参考訳（メタデータ） (2020-03-24T14:51:25Z) - Dual-discriminator GAN: A GAN way of profile face recognition [21.181356044588213]
本稿では,GAN(Generative Adversarial Network)に基づく画像と画像のプロファイルによる正面顔生成手法を提案する。
本稿では,GAN(Generative Adversarial Network)に基づく画像と画像のプロファイルを持つ正面顔を生成する手法を提案する。
論文 参考訳（メタデータ） (2020-03-20T06:01:58Z) - Exploiting Semantics for Face Image Deblurring [121.44928934662063]
本稿では,深層畳み込みニューラルネットワークによる意味的手がかりを利用して,効果的かつ効率的な顔分解アルゴリズムを提案する。
顔のセマンティックラベルを入力先として組み込んで,顔の局所構造を正規化するための適応的構造損失を提案する。
提案手法は、より正確な顔の特徴と細部を持つシャープ画像を復元する。
論文 参考訳（メタデータ） (2020-01-19T13:06:27Z) - Face X-ray for More General Face Forgery Detection [45.59018645493997]
顔画像の偽造を検出するために,顔X線と呼ばれる新しい画像表現を提案する。
入力顔画像の顔X線は、入力画像が異なるソースからの2つの画像のブレンディングに分解できるか否かを明らかにするグレースケール画像である。
論文 参考訳（メタデータ） (2019-12-31T17:57:56Z)
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。