Fugu-MT 論文翻訳(概要): iExam: A Novel Online Exam Monitoring and Analysis System Based on Face Detection and Recognition

論文の概要: iExam: A Novel Online Exam Monitoring and Analysis System Based on Face Detection and Recognition

arxiv url: http://arxiv.org/abs/2206.13356v1
Date: Mon, 27 Jun 2022 15:03:25 GMT
ステータス: 処理完了
システム内更新日: 2022-06-28 16:26:02.612280
Title: iExam: A Novel Online Exam Monitoring and Analysis System Based on Face Detection and Recognition
Title（参考訳）: iexam:顔検出と認識に基づく新しいオンライン受験監視・分析システム
Authors: Xu Yang and Daoyuan Wu and Xiao Yi and Jimmy H. M. Lee and Tan Lee
Abstract要約: iExamはインテリジェントなオンライン試験監視および分析システムである。リアルタイムの学生識別において、顔検出を補助するだけでなく、一般的な異常行動を検出することもできる。評価の結果,iExamの精度は90.4%,リアルタイム顔検出では90.4%,後顔認識では98.4%であった。
参考スコア（独自算出の注目度）: 33.277633053428396
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Online exams via video conference software like Zoom have been adopted in many schools due to COVID-19. While it is convenient, it is challenging for teachers to supervise online exams from simultaneously displayed student Zoom windows. In this paper, we propose iExam, an intelligent online exam monitoring and analysis system that can not only use face detection to assist invigilators in real-time student identification, but also be able to detect common abnormal behaviors (including face disappearing, rotating faces, and replacing with a different person during the exams) via a face recognition-based post-exam video analysis. To build such a novel system in its first kind, we overcome three challenges. First, we discover a lightweight approach to capturing exam video streams and analyzing them in real time. Second, we utilize the left-corner names that are displayed on each student's Zoom window and propose an improved OCR (optical character recognition) technique to automatically gather the ground truth for the student faces with dynamic positions. Third, we perform several experimental comparisons and optimizations to efficiently shorten the training and testing time required on teachers' PC. Our evaluation shows that iExam achieves high accuracy, 90.4% for real-time face detection and 98.4% for post-exam face recognition, while maintaining acceptable runtime performance. We have made iExam's source code available at https://github.com/VPRLab/iExam.
Abstract（参考訳）: Zoomのようなビデオ会議ソフトウェアによるオンライン試験は、新型コロナウイルス(COVID-19)の影響で多くの学校で採用されている。便利ではあるが、同時に表示される学生Zoomウィンドウからオンライン試験を監督することは困難である。本稿では,実時間学生識別におけるナビゲータ支援に顔検出を利用するだけでなく,顔の消失,回転顔,受験中の異なる人物との入れ替えなど,一般的な異常行動を検出することのできる,顔認識に基づくポストexamビデオ解析によるインテリジェントなオンライン受験監視・分析システムであるiexamを提案する。このような新しいシステムを最初に構築するには、3つの課題を克服する。まず,テストビデオストリームをリアルタイムで取得し,分析するための軽量なアプローチを見出す。第二に、各学生のZoomウィンドウに表示される左コーナー名を用いて、動的位置で生徒の顔の真実を自動的に収集する改良されたOCR(Optical character recognition)技術を提案する。第3に,教員のPC上での学習時間と試験時間を効率的に短縮するために,実験的な比較と最適化を行う。評価の結果、iexamは高い精度を実現し、リアルタイム顔検出では90.4%、exam後の顔認識では98.4%であった。 iExamのソースコードはhttps://github.com/VPRLab/iExamで公開しています。

関連論文リスト

Deepfake detection in videos with multiple faces using geometric-fakeness features [79.16635054977068]
被害者や人物のディープフェイクは、脅迫、ゆがみ、金融詐欺の詐欺師によって使用される。本研究では,映像中の顔の存在の動的度を特徴付ける幾何学的フェイクネス機能(GFF)を提案する。我々は、ビデオに同時に存在する複数の顔でビデオを分析するために、我々のアプローチを採用している。
論文参考訳（メタデータ） (2024-10-10T13:10:34Z)
Multiple Instance Learning for Cheating Detection and Localization in Online Examinations [12.599420704860838]
マルチプルinStancE学習によるCHEating検出フレームワークであるCHEESEを開発した。このフレームワークは、弱い監視を実装するラベルジェネレータと、識別的特徴を学習するための特徴エンコーダで構成されている。 3つのデータセットに関する実験は、最先端の手法と比較して、我々の手法の有効性を証明している。
論文参考訳（メタデータ） (2024-02-09T00:01:42Z)
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)
WebFace260M: A Benchmark for Million-Scale Deep Face Recognition [89.39080252029386]
我々は、未修正4MのID/260Mの顔(WebFace260M)とクリーン2MのID/42Mの顔(WebFace42M)を含む新しい100万スケールの認識ベンチマークに貢献する。分散フレームワークは、性能を損なうことなく、顔認識モデルを効率的に訓練するために開発された。提案したベンチマークは、標準、マスク付き、偏見のない顔認識シナリオにおいて大きな可能性を示している。
論文参考訳（メタデータ） (2022-04-21T14:56:53Z)
Detect Faces Efficiently: A Survey and Evaluations [13.105528567365281]
顔認識、表情認識、顔追跡、頭部推定を含む多くの応用は、画像中の顔の位置と大きさの両方が知られていると仮定する。ディープラーニング技術は、かなりの計算量の増加と共に、対面検出に驚くべきブレークスルーをもたらした。本稿では, 代表的な深層学習手法を紹介し, 精度と効率性の観点から, 深く, 徹底的な分析を行う。
論文参考訳（メタデータ） (2021-12-03T08:39:40Z)
Facial Recognition in Collaborative Learning Videos [1.2234742322758416]
我々は,協調学習システムにおける参加者の認識を動的に行うシステムを開発した。顔検出履歴の過去の情報を用いて,隠蔽と認識障害に対処する。その結果,提案システムは非常に高速かつ高精度であることが判明した。
論文参考訳（メタデータ） (2021-10-25T21:05:06Z)
Towards a Real-Time Facial Analysis System [13.649384403827359]
本稿では,リアルタイム顔分析システムのシステムレベル設計について述べる。オブジェクトの検出、分類、回帰のためのディープニューラルネットワークのコレクションにより、カメラビューに現れる各人物の年齢、性別、表情、顔の類似性を認識する。一般的なオフ・ザ・シェルフアーキテクチャの結果、システムの精度は最先端の手法に匹敵し、認識速度はリアルタイムの要求を満たすことが示された。
論文参考訳（メタデータ） (2021-09-21T18:27:15Z)
Image-Hashing-Based Anomaly Detection for Privacy-Preserving Online Proctoring [5.113513399537608]
オンライン・プロクタリングはオンライン教育において欠かせないものとなっている。ビデオベースのクラウドソースオンラインプロクターソリューションが使用されており、受験生のビデオは第三者によって監視されている。本稿では,プライバシ保護型オンラインプロクタシステムを提案する。
論文参考訳（メタデータ） (2021-07-20T09:45:05Z)
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)
Learning to Augment Expressions for Few-shot Fine-grained Facial Expression Recognition [98.83578105374535]
顔表情データベースF2EDについて述べる。顔の表情は119人から54人まで、200万枚以上の画像が含まれている。実世界のシナリオでは,不均一なデータ分布やサンプルの欠如が一般的であるので,数発の表情学習の課題を評価する。顔画像合成のための統合されたタスク駆動型フレームワークであるComposeal Generative Adversarial Network (Comp-GAN) 学習を提案する。
論文参考訳（メタデータ） (2020-01-17T03:26:32Z)

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。