論文の概要: Face Recognition In Children: A Longitudinal Study
- arxiv url: http://arxiv.org/abs/2204.01760v1
- Date: Mon, 4 Apr 2022 18:00:45 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-06 15:03:14.595728
- Title: Face Recognition In Children: A Longitudinal Study
- Title（参考訳）: 小児の顔認識 : 縦断的研究
- Authors: Keivan Bahmani, Stephanie Schuckers
- Abstract要約: 幼児の短年齢群における顔認識システムの性能を解析するためのヤングフェイスエイジングデータセットについて紹介する。
以上の結果から,YFAおよびMagFaceを用いた顔認証実験は,6カ月間,36ヵ月間,0.1% FARで98.3%,94.9%のTARを示した。
- 参考スコア（独自算出の注目度）: 3.3504365823045044
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The lack of high fidelity and publicly available longitudinal children face
datasets is one of the main limiting factors in the development of face
recognition systems for children. In this work, we introduce the Young Face
Aging (YFA) dataset for analyzing the performance of face recognition systems
over short age-gaps in children. We expand previous work by comparing YFA with
several publicly available cross-age adult datasets to quantify the effects of
short age-gap in adults and children. Our analysis confirms a statistically
significant and matcher independent decaying relationship between the match
scores of ArcFace-Focal, MagFace, and Facenet matchers and the age-gap between
the gallery and probe images in children, even at the short age-gap of 6
months. However, our result indicates that the low verification performance
reported in previous work might be due to the intra-class structure of the
matcher and the lower quality of the samples. Our experiment using YFA and a
state-of-the-art, quality-aware face matcher (MagFace) indicates 98.3% and
94.9% TAR at 0.1% FAR over 6 and 36 Months age-gaps, respectively, suggesting
that face recognition may be feasible for children for age-gaps of up to three
years.
- Abstract（参考訳）: 高い忠実性と公に入手可能な縦型児童顔データセットの欠如は、子供向け顔認識システムの開発において主要な制限要因の1つである。
本研究では, 幼児の短年齢群における顔認識システムの性能を解析するためのヤングフェイス・エイジング(YFA)データセットを提案する。
本研究は,YFAと公的に利用可能な複数の成人データセットを比較し,成人と小児の短年齢ギャップの効果を定量化する。
分析の結果,ArcFace-Focal,MagFace,Facenetのマッチングスコアと,小児のギャラリー画像とプローブ画像の年齢ギャップとの間には,6ヶ月の短い年齢ギャップにおいても,統計的に有意かつ無関係な崩壊が認められた。
しかし,先行研究で報告された検証性能の低下は,マッチング器のクラス内構造とサンプルの品質の低下によるものと考えられた。
以上の結果から,YFAおよびMagFaceを用いた顔認証実験では,6歳以上と36歳以上で98.3%,94.9%のTARが0.1%FARであり,最大3歳以上では顔認識が可能であることが示唆された。
関連論文リスト
- Longitudinal Evaluation of Child Face Recognition and the Impact of Underlying Age [1.290382979353427]
様々な新興アプリケーションにおける子供の信頼できる識別の必要性が、子供の顔認証技術を活用したいという関心を喚起している。
本研究は,クラークソン大学CITeR研究グループによって収集されたYFAデータベースを6ヶ月間隔で収集した。
論文 参考訳（メタデータ） (2024-08-01T19:40:55Z) - Child Face Recognition at Scale: Synthetic Data Generation and
Performance Benchmark [3.4110993541168853]
HDA-SynChildFacesは1,652人の被験者と188,832人の画像で構成され、各被験者は様々な年齢で存在し、多くの異なる物体内変異を持つ。
生成したデータベース上での様々な顔認識システムの性能評価を行い、年齢の異なる大人と子供の結果と比較した。
論文 参考訳（メタデータ） (2023-04-23T15:29:26Z) - Young Labeled Faces in the Wild (YLFW): A Dataset for Children Faces
Recognition [0.0]
子どもの顔認識のためのベンチマークデータセットを,LFW, CALFW, CPLFW, XQLFW, AgeDBといった有名な顔認識ベンチマークと同様にコンパイルする。
また、子供の顔画像に顔認識モデルを適用するための開発データセットも提示する。
論文 参考訳（メタデータ） (2023-01-13T22:19:44Z) - When Age-Invariant Face Recognition Meets Face Age Synthesis: A
Multi-Task Learning Framework and A New Benchmark [45.31997043789471]
MTLFaceは、モデル解釈のための表情合成を行いながら、年齢不変の識別関連表現を顔認識のために学習することができる。
我々は、年齢と性別のアノテーションを備えた大規模な顔データセットと、長寿児の追跡に特化して設計された新しいベンチマークをリリースする。
論文 参考訳（メタデータ） (2022-10-17T07:04:19Z) - CIAO! A Contrastive Adaptation Mechanism for Non-Universal Facial
Expression Recognition [80.07590100872548]
本稿では、顔エンコーダの最後の層に異なるデータセットの特定の感情特性を適応させるメカニズムであるContrastive Inhibitory Adaptati On(CIAO)を提案する。
CIAOは、非常にユニークな感情表現を持つ6つの異なるデータセットに対して、表情認識性能が改善されている。
論文 参考訳（メタデータ） (2022-08-10T15:46:05Z) - 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) - Improving Face Recognition with Large Age Gaps by Learning to
Distinguish Children [18.035138944233367]
本稿では,子像間の類似度を最小限に抑える新たな損失関数であるInter-Prototype Losingを提案する。
実験と詳細な分析により,既存の顔認識のベースラインを子どもと大人のペアで上回る結果が得られた。
論文 参考訳（メタデータ） (2021-10-22T07:31:14Z) - 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) - Age Gap Reducer-GAN for Recognizing Age-Separated Faces [72.26969872180841]
本稿では,年齢変化に伴う顔と時間変化をマッチングする新しいアルゴリズムを提案する。
提案手法は,顔の年齢推定と年齢別顔の検証を組み合わせた統合フレームワークである。
論文 参考訳（メタデータ） (2020-11-11T16:43:32Z) - Child Face Age-Progression via Deep Feature Aging [47.74474569938014]
本稿では,顔マーカによって出力される深層顔の特徴を経時変化させる機能老化モジュールを提案する。
提案手法は、ランク1の識別率95.91%で最先端の手法よりも優れている。
論文 参考訳（メタデータ） (2020-03-17T23:03:46Z)
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。