論文の概要: Ensemble Learning using Transformers and Convolutional Networks for Masked Face Recognition

• arxiv url: http://arxiv.org/abs/2210.04816v1
• Date: Mon, 10 Oct 2022 16:25:13 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-11 15:43:27.445541
• Title: Ensemble Learning using Transformers and Convolutional Networks for Masked Face Recognition
• Title（参考訳）: マスク付き顔認識のためのトランスフォーマーと畳み込みネットワークを用いたアンサンブル学習
• Authors: Mohammed R. Al-Sinan, Aseel F. Haneef, Hamzah Luqman
• Abstract要約: マスク着用は、新型コロナウイルスの感染拡大を抑えるため、私たちが従わなければならなかった調整の1つです。 現在の顔認識システムは、制約のない一般的な顔認識ケースを扱う場合、極めて高精度である。 本研究では,2つの畳み込みニューラルネットワーク(CNN)モデルと2つのトランスフォーマーモデルからなるマスク型顔認識システムを提案する。
• 参考スコア（独自算出の注目度）: 1.0742675209112622
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Wearing a face mask is one of the adjustments we had to follow to reduce the spread of the coronavirus. Having our faces covered by masks constantly has driven the need to understand and investigate how this behavior affects the recognition capability of face recognition systems. Current face recognition systems have extremely high accuracy when dealing with unconstrained general face recognition cases but do not generalize well with occluded masked faces. In this work, we propose a system for masked face recognition. The proposed system comprises two Convolutional Neural Network (CNN) models and two Transformer models. The CNN models have been fine-tuned on FaceNet pre-trained model. We ensemble the predictions of the four models using the majority voting technique to identify the person with the mask. The proposed system has been evaluated on a synthetically masked LFW dataset created in this work. The best accuracy is obtained using the ensembled models with an accuracy of 92%. This recognition rate outperformed the accuracy of other models and it shows the correctness and robustness of the proposed model for recognizing masked faces. The code and data are available at https://github.com/Hamzah-Luqman/MFR
• Abstract（参考訳）: マスク着用は、新型コロナウイルスの感染拡大を抑えるため、私たちが従わなければならなかった調整の1つです。 顔が常にマスクで覆われているため、この行動が顔認識システムの認識能力にどのように影響するかを理解し、調査する必要が生じた。 現在の顔認識システムは、制約のない一般的な顔認識ケースを扱う場合、極めて高精度であるが、隠蔽された顔ではうまく一般化しない。 本研究では,マスク付き顔認識システムを提案する。 提案システムは2つの畳み込みニューラルネットワークモデルと2つのトランスフォーマーモデルからなる。 CNNモデルは、FaceNet事前訓練モデルに基づいて微調整されている。 多数決手法を用いて4つのモデルの予測を行い,マスクを持つ人物を特定する。 提案システムは,本研究で作成したLFWデータセットを用いて評価されている。 最良精度は、精度92%のアンサンブルモデルを用いて得られる。 この認識速度は他のモデルの精度を上回っており、マスク面を認識するための提案モデルの正しさと頑健さを示している。 コードとデータはhttps://github.com/Hamzah-Luqman/MFRで公開されている。

関連論文リスト

• OSDFace: One-Step Diffusion Model for Face Restoration [72.5045389847792]
  拡散モデルは、顔の修復において顕著な性能を示した。 顔復元のための新しいワンステップ拡散モデルOSDFaceを提案する。 その結果,OSDFaceは現状のSOTA(State-of-the-art)手法を視覚的品質と定量的指標の両方で上回っていることがわかった。
  論文  参考訳（メタデータ） (2024-11-26T07:07:48Z)
• Seeing through the Mask: Multi-task Generative Mask Decoupling Face Recognition [47.248075664420874]
  現在の一般的な顔認識システムは、隠蔽シーンに遭遇する際の重大な性能劣化に悩まされている。 本稿では,これら2つのタスクを協調的に扱うために,マルチタスクのgEnerative mask dEcoupling Face Recognition (MEER) ネットワークを提案する。 まず,マスクと識別情報を分離する新しいマスクデカップリングモジュールを提案する。
  論文  参考訳（メタデータ） (2023-11-20T03:23:03Z)
• Improving Masked Autoencoders by Learning Where to Mask [65.89510231743692]
  マスケ画像モデリングは視覚データに対する有望な自己教師型学習手法である。 本稿では,Gumbel-Softmax を用いて,対向学習マスク生成装置とマスク誘導画像モデリングプロセスとを相互接続するフレームワーク AutoMAE を提案する。 実験の結果,AutoMAEは,標準の自己監督型ベンチマークや下流タスクに対して,効果的な事前学習モデルを提供することがわかった。
  論文  参考訳（メタデータ） (2023-03-12T05:28:55Z)
• Towards Improved Input Masking for Convolutional Neural Networks [66.99060157800403]
  層マスキングと呼ぶCNNのための新しいマスキング手法を提案する。 本手法は,マスク形状や色がモデル出力に与える影響を排除あるいは最小化することができることを示す。 また,マスクの形状がクラスに関する情報を漏洩させる可能性を示し,クラス関連特徴に対するモデル依存度の推定に影響を及ぼすことを示した。
  論文  参考訳（メタデータ） (2022-11-26T19:31:49Z)
• Rapid Face Mask Detection and Person Identification Model based on Deep Neural Networks [0.0]
  コビッドウイルスは常に変異しており、3～4ヶ月で新たな変異が導入された。 私たちがCovidを手に入れるのを防ぐものは、予防接種を受け、フェイスマスクを着用していることです。 本論文では,新しい顔マスク検出・人物認識モデルであるInsight Faceを実装した。
  論文  参考訳（メタデータ） (2021-12-18T15:29:14Z)
• Mask-invariant Face Recognition through Template-level Knowledge Distillation [3.727773051465455]
  マスクは従来の顔認識システムの性能に影響を与える。 マスク不変顔認識ソリューション(MaskInv)を提案する。 蒸留された知識に加えて、学生ネットワークは、マージンベースのアイデンティティ分類損失による追加ガイダンスの恩恵を受ける。
  論文  参考訳（メタデータ） (2021-12-10T16:19:28Z)
• MLFW: A Database for Face Recognition on Masked Faces [56.441078419992046]
  Masked LFW (MLFW) は、マスクのない顔からマスクされた顔を自動的に生成するツールである。 SOTAモデルの認識精度は、元の画像の精度と比較して、MLFWデータベース上で5%-16%低下する。
  論文  参考訳（メタデータ） (2021-09-13T09:30:10Z)
• End2End Occluded Face Recognition by Masking Corrupted Features [82.27588990277192]
  最先端の一般的な顔認識モデルは、隠蔽された顔画像に対してうまく一般化しない。 本稿では,1つのエンドツーエンドのディープニューラルネットワークに基づいて,オクルージョンに頑健な新しい顔認識手法を提案する。 我々のアプローチは、深い畳み込みニューラルネットワークから破損した特徴を発見し、動的に学習されたマスクによってそれらをきれいにする。
  論文  参考訳（メタデータ） (2021-08-21T09:08:41Z)
• Multi-Dataset Benchmarks for Masked Identification using Contrastive Representation Learning [0.0]
  新型コロナウイルスのパンデミックは世界中で受け入れられた基準を大きく変えた。 パスポート、運転免許証、国籍カードなどの公式文書には、完全な顔画像が登録されている。 空港やセキュリティチェックポイントでは、マスクの取り外しを依頼するのではなく、識別文書の未マスク画像とマスク付き人物とを一致させる方が安全である。 本稿では,マスクとマスクのない顔マッチングに特化した,視覚表現学習に基づく事前学習ワークフローを提案する。
  論文  参考訳（メタデータ） (2021-06-10T08:58:10Z)
• Boosting Masked Face Recognition with Multi-Task ArcFace [0.973681576519524]
  新型コロナウイルス(COVID-19)による世界的な健康危機を考えると、口と鼻を覆うマスクは日常の衣服に欠かせないものになっています。 この尺度は、マスクされた顔で機能するよう設計されていないため、最先端の顔認識モデルをロープに乗せている。 完全なトレーニングパイプラインがArcFace作業に基づいて提示され、バックボーンとロス関数のいくつかの修正が行われている。
  論文  参考訳（メタデータ） (2021-04-20T10:12:04Z)
• Masked Face Recognition for Secure Authentication [2.429066522170765]
  マスクされた顔は検出と認識が難しいため、社内データセットを無効にする恐れがある。 マスクされた顔の大規模なデータセットを効果的に作成するためのオープンソースのツールであるMaskTheFaceを提案する。 Facenet システムでは 38% の増加がみられた。
  論文  参考訳（メタデータ） (2020-08-25T15:33:59Z)

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。