論文の概要: Twin identification over viewpoint change: A deep convolutional neural network surpasses humans

• arxiv url: http://arxiv.org/abs/2207.05316v1
• Date: Tue, 12 Jul 2022 04:59:53 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-13 14:08:20.562864
• Title: Twin identification over viewpoint change: A deep convolutional neural network surpasses humans
• Title（参考訳）: 視点変化による双生児識別:深層畳み込みニューラルネットワークが人間を超越
• Authors: Connor J. Parde, Virginia E. Strehle, Vivekjyoti Banerjee, Ying Hu, Jacqueline G. Cavazos, Carlos D. Castillo, Alice J. O'Toole
• Abstract要約: 深層畳み込みニューラルネットワークは顔の識別において人間レベルの精度を達成した。 高相似の顔がどの程度正確に識別されているかは明らかでない。 顔認証のために訓練されたDCNNは、人間に提示された同じ画像ペアでテストされた。 マシンのパフォーマンスは人間の正確さのパターンを反映したものですが、すべての人間のパフォーマンスは1つの条件以外はありませんでした。
• 参考スコア（独自算出の注目度）: 2.9363019325439255
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deep convolutional neural networks (DCNNs) have achieved human-level accuracy in face identification (Phillips et al., 2018), though it is unclear how accurately they discriminate highly-similar faces. Here, humans and a DCNN performed a challenging face-identity matching task that included identical twins. Participants (N=87) viewed pairs of face images of three types: same-identity, general imposter pairs (different identities from similar demographic groups), and twin imposter pairs (identical twin siblings). The task was to determine whether the pairs showed the same person or different people. Identity comparisons were tested in three viewpoint-disparity conditions: frontal to frontal, frontal to 45-degree profile, and frontal to 90-degree profile. Accuracy for discriminating matched-identity pairs from twin-imposters and general imposters was assessed in each viewpoint-disparity condition. Humans were more accurate for general-imposter pairs than twin-imposter pairs, and accuracy declined with increased viewpoint disparity between the images in a pair. A DCNN trained for face identification (Ranjan et al., 2018) was tested on the same image pairs presented to humans. Machine performance mirrored the pattern of human accuracy, but with performance at or above all humans in all but one condition. Human and machine similarity scores were compared across all image-pair types. This item-level analysis showed that human and machine similarity ratings correlated significantly in six of nine image-pair types [range r=0.38 to r=0.63], suggesting general accord between the perception of face similarity by humans and the DCNN. These findings also contribute to our understanding of DCNN performance for discriminating high-resemblance faces, demonstrate that the DCNN performs at a level at or above humans, and suggest a degree of parity between the features used by humans and the DCNN.
• Abstract（参考訳）: ディープ畳み込みニューラルネットワーク(DCNN)は、顔の識別において人間のレベルでの精度を達成した(Phillips et al., 2018)。 そこで人間とDCNNは、同一の双子を含む顔の同一性マッチングタスクを実行しました。 参加者 (n=87) は、同一同一性、一般不同性ペア(類似の集団と異なる同一性)、双子不同性ペア(同一性双生児の兄弟)の3種類の顔画像のペアを見た。 課題は、ペアが同じ人または異なる人を示すかどうかを判断することだった。 前頭から前頭、前頭から45度、前頭から90度という3つの視点差条件で同一性の比較を行った。 各視点差条件において,双生児と一般使徒の一致した同一性ペアの識別精度を評価した。 人間は双子の使者対よりも一般的な使者対の方が正確であり、画像間の視点差が増大して精度は低下した。 顔認証のために訓練されたDCNN(Ranjan et al., 2018)は、人間に提示された同じ画像対でテストされた。 機械の性能は人間の正確さのパターンを反映するが、全ての人間を1つの条件を除いて超えている。 人間と機械の類似度スコアは、すべてのイメージペアタイプで比較された。 この項目レベルの分析により,人間と機械の類似度は9つの画像ペアタイプ(r=0.38からr=0.63)のうち6つで有意な相関を示した。 これらの知見は,高精細度顔の識別におけるDCNN性能の理解にも寄与し,DCNNが人間以上のレベルで動作していることを示し,人間とDCNNが使用する特徴と同等性の程度を示唆する。

関連論文リスト

• Evaluating Multiview Object Consistency in Humans and Image Models [68.36073530804296]
  我々は、物体の形状に関するゼロショット視覚的推論を必要とする認知科学の実験的設計を活用する。 我々は500人以上の参加者から行動データの35万件の試行を収集した。 次に、一般的な視覚モデルの性能を評価する。
  論文  参考訳（メタデータ） (2024-09-09T17:59:13Z)
• SwinFace: A Multi-task Transformer for Face Recognition, Expression Recognition, Age Estimation and Attribute Estimation [60.94239810407917]
  本論文では,単一スウィントランスを用いた顔認識,表情認識,年齢推定,顔属性推定のための多目的アルゴリズムを提案する。 複数のタスク間の競合に対処するため、マルチレベルチャネル注意(MLCA)モジュールをタスク固有の分析に統合する。 実験の結果,提案したモデルでは顔の理解が良く,全てのタスクにおいて優れた性能が得られることがわかった。
  論文  参考訳（メタデータ） (2023-08-22T15:38:39Z)
• Human-Machine Comparison for Cross-Race Face Verification: Race Bias at the Upper Limits of Performance? [0.7036032466145111]
  顔認識アルゴリズムは、一部のケースでは人間よりも精度が高いが、人間と機械はどちらも人種ベースの精度の違いを示している。 我々は「クロスレース」顔認証の挑戦的なテストを構築し、人間と最先端の顔認識システム2つを比較した。 我々は,黒と白の2つの顔画像間の身元確認のための最先端のシステムが一般人口を上回ることができると結論付けた。
  論文  参考訳（メタデータ） (2023-05-25T19:41:13Z)
• End-to-End Context-Aided Unicity Matching for Person Re-identification [100.02321122258638]
  本稿では,人間同士の一致関係を学習・精査するための,エンドツーエンドの対人一意整合アーキテクチャを提案する。 サンプルのグローバルコンテキスト関係を用いて,ソフトマッチング結果を洗練し,両部グラフマッチングにより一致ユニシティに到達する。 実世界における人物再識別の応用を十分に考慮し, ワンショットとマルチショットの双方で一様マッチングを実現する。
  論文  参考訳（メタデータ） (2022-10-20T07:33:57Z)
• Benchmarking Human Face Similarity Using Identical Twins [5.93228031688634]
  自動顔認識(FR)アプリケーションにおいて、双子の双子と双子以外の見た目を区別する問題はますます重要になっている。 この研究は、2つのFR課題に対処するために、これまでにコンパイルされた最大のツインデータセットの1つを応用したものである。
  論文  参考訳（メタデータ） (2022-08-25T01:45:02Z)
• The Influence of the Other-Race Effect on Susceptibility to Face Morphing Attacks [0.0]
  2つのアイデンティティの間に生じる顔形態は、この形態を生成するために使用される顔の両方に類似している。 人間と機械は、この形態を作るために使用される顔の2つのアイデンティティから作られた形態を間違えやすい。 この脆弱性は、セキュリティシナリオの"モルフィックアタック"で悪用されている。
  論文  参考訳（メタデータ） (2022-04-26T20:59:08Z)
• Do DNNs trained on Natural Images acquire Gestalt Properties? [0.6091702876917281]
  人間の視覚の魅力的なモデルとして、自然画像に基づいて訓練されたディープニューラルネットワーク(DNN)が提案されている。 差別判断において人間とDNNの反応を比較した。 その結果, 自然画像に基づいてトレーニングしたネットワークは, 分類の最終段階において, 形状に敏感であることがわかった。
  論文  参考訳（メタデータ） (2022-03-14T17:06:11Z)
• Comparing Human and Machine Bias in Face Recognition [46.170389064229354]
  我々はLFWとCelebAデータセットの改良版をリリースし、将来の研究者がアルゴリズムバイアスの測定値を得ることができるようにした。 また、これらの新しいデータを使って、顔認証と検証に関する一連の挑戦的な質問も開発しています。 検証作業において,コンピュータモデルと人的調査参加者の双方が有意に優れていたことが判明した。
  論文  参考訳（メタデータ） (2021-10-15T22:26:20Z)
• Convolutional neural net face recognition works in non-human-like ways [0.0]
  畳み込みニューラルネットワーク(CNN)は、多くのパターン認識問題において、アートパフォーマンスの状態を付与する。 我々は、CNNの顔認識システムも驚くべき「エラー」を発生させると報告した。 最高のCNNは、人間の顔のマッチングタスクでほぼ完璧に動作しますが、異なる見かけの人種や性別の顔に対して最もマッチしていると宣言します。
  論文  参考訳（メタデータ） (2020-04-08T15:42:14Z)
• Learning Attentive Pairwise Interaction for Fine-Grained Classification [53.66543841939087]
  本稿では,細粒度分類のための簡易かつ効果的な監視ペアワイド・インタラクション・ネットワーク(API-Net)を提案する。 API-Netはまず相互機能ベクトルを学習し、入力ペアのセマンティックな違いをキャプチャする。 そして、この相互ベクトルと個々のベクトルを比較して、各入力画像のゲートを生成する。 詳細な分類において,5つの人気のあるベンチマークについて広範な実験を行った。
  論文  参考訳（メタデータ） (2020-02-24T12:17:56Z)
• Learning Preference-Based Similarities from Face Images using Siamese Multi-Task CNNs [78.24964622317633]
  オンラインデートプラットフォームの大きな課題は、ユーザに適したマッチングを決定することだ。 ディープラーニングアプローチは、人間の顔からある程度まで様々な特性を予測できることを示した。 画像ベースマッチングの実現可能性について検討し,個人の関心や嗜好,態度とマッチングする方法について検討した。
  論文  参考訳（メタデータ） (2020-01-25T23:08:12Z)

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。