論文の概要: LAD-RCNN:A Powerful Tool for Livestock Face Detection and Normalization
- arxiv url: http://arxiv.org/abs/2210.17146v1
- Date: Mon, 31 Oct 2022 08:54:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-01 17:54:45.440243
- Title: LAD-RCNN:A Powerful Tool for Livestock Face Detection and Normalization
- Title（参考訳）: LAD-RCNN:家畜の顔検出と正規化のための強力なツール
- Authors: Ling Sun, Guiqiong Liu, Junrui Liu, Xunping Jiang, Xu Wang, Han Yang
and Shiping Yang
- Abstract要約: 本研究は、軽量角度検出と地域型畳み込みネットワーク(LAD-RCNN)を開発する。
LAD-RCNNは、1段目の動物の顔の回転角と位置を検出する新しい回転角符号化法を含む。
その結果,LAD-RCNNは家畜の顔と方向検出に優れていた。
- 参考スコア（独自算出の注目度）: 6.922360668704275
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the demand for standardized large-scale livestock farming and the
development of artificial intelligence technology, a lot of research in area of
animal face recognition were carried on pigs, cattle, sheep and other
livestock. Face recognition consists of three sub-task: face detection, face
normalizing and face identification. Most of animal face recognition study
focuses on face detection and face identification. Animals are often
uncooperative when taking photos, so the collected animal face images are often
in arbitrary directions. The use of non-standard images may significantly
reduce the performance of face recognition system. However, there is no study
on normalizing of the animal face image with arbitrary directions. In this
study, we developed a light-weight angle detection and region-based
convolutional network (LAD-RCNN) containing a new rotation angle coding method
that can detect the rotation angle and the location of animal face in
one-stage. LAD-RCNN has a frame rate of 72.74 FPS (including all steps) on a
single GeForce RTX 2080 Ti GPU. LAD-RCNN has been evaluated on multiple dataset
including goat dataset and gaot infrared image. Evaluation result show that the
AP of face detection was more than 95% and the deviation between the detected
rotation angle and the ground-truth rotation angle were less than 0.036 (i.e.
6.48{\deg}) on all the test dataset. This shows that LAD-RCNN has excellent
performance on livestock face and its direction detection, and therefore it is
very suitable for livestock face detection and Normalizing. Code is available
at https://github.com/SheepBreedingLab-HZAU/LAD-RCNN/
- Abstract（参考訳）: 大規模な家畜農業の標準化と人工知能技術の発達が求められ、豚、牛、羊、その他の家畜に動物の顔認識に関する多くの研究が行われた。
顔認識は、顔検出、顔正規化、顔識別の3つのサブタスクで構成される。
動物顔認識研究の大半は、顔検出と顔識別に焦点を当てている。
動物は写真撮影時にしばしば非協力的であるため、収集された動物の顔画像はしばしば任意の方向にある。
非標準画像の使用は顔認識システムの性能を大幅に低下させる可能性がある。
しかし、任意方向の動物顔像の正規化については研究されていない。
本研究では,1段目の動物の顔の回転角と位置を検出できる新しい回転角符号化法を含む軽量な角度検出・領域ベース畳み込みネットワーク(LAD-RCNN)を開発した。
LAD-RCNNは1台のGeForce RTX 2080 Ti GPU上で72.74 FPS(全ステップを含む)のフレームレートを持つ。
lad-rcnnは、ヤギデータセットやgaot赤外線画像を含む複数のデータセットで評価されている。
その結果, 顔検出のAPは95%以上であり, 検出した回転角と地軸回転角の偏差は全試験データセットで0.036(すなわち6.48{\deg})未満であった。
この結果から,LAD-RCNNは家畜の顔と方向検出に優れており,家畜の顔検出と正常化に非常に適していることがわかった。
コードはhttps://github.com/SheepBreedingLab-HZAU/LAD-RCNN/で公開されている。
関連論文リスト
- Self-Supervised Learning for Detecting AI-Generated Faces as Anomalies [58.11545090128854]
本稿では、写真顔画像から純粋にカメラ固有の特徴と顔特有の特徴の自己教師付き学習を活用することで、AI生成顔の異常検出手法について述べる。
提案手法の成功は,特徴抽出器を訓練して4つの通常交換可能な画像ファイルフォーマット(EXIF)をランク付けし,人工的に操作された顔画像の分類を行うプリテキストタスクを設計することにある。
論文 参考訳（メタデータ） (2025-01-04T06:23:24Z) - GenFace: A Large-Scale Fine-Grained Face Forgery Benchmark and Cross Appearance-Edge Learning [50.7702397913573]
フォトリアリスティック・ジェネレータの急速な進歩は、真の画像と操作された画像の相違がますます不明瞭になっている臨界点に達している。
公開されている顔の偽造データセットはいくつかあるが、偽造顔は主にGANベースの合成技術を用いて生成される。
我々は,大規模で多様できめ細かな高忠実度データセットであるGenFaceを提案し,ディープフェイク検出の進展を促進する。
論文 参考訳（メタデータ） (2024-02-03T03:13:50Z) - Exploring Decision-based Black-box Attacks on Face Forgery Detection [53.181920529225906]
顔の偽造生成技術は鮮明な顔を生み出し、セキュリティとプライバシーに対する世間の懸念を高めている。
顔偽造検出は偽の顔の識別に成功しているが、最近の研究では顔偽造検出は敵の例に対して非常に脆弱であることが示されている。
論文 参考訳（メタデータ） (2023-10-18T14:49:54Z) - Multi-Domain Norm-referenced Encoding Enables Data Efficient Transfer
Learning of Facial Expression Recognition [62.997667081978825]
本稿では,表情認識における伝達学習のための生物学的メカニズムを提案する。
提案アーキテクチャでは,人間の脳が,頭部形状の異なる表情を自然に認識する方法について解説する。
本モデルでは, FERGデータセットの分類精度92.15%を極端に高いデータ効率で達成する。
論文 参考訳（メタデータ） (2023-04-05T09:06:30Z) - 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) - Automated Aerial Animal Detection When Spatial Resolution Conditions Are
Varied [3.303008003874495]
家畜がどこにあるかを知ることは、最適化された管理と調整を可能にする。
衛星画像の解析による効果的な動物の位置決めとカウントは、この管理のハードルを克服する。
高解像度衛星画像は高価であり、コストを最小限に抑えるため、正確な家畜検出を可能にする最小の空間解像度データを選択すべきである。
論文 参考訳（メタデータ） (2021-10-04T11:20:14Z) - 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) - An Improved Real-Time Face Recognition System at Low Resolution Based on
Local Binary Pattern Histogram Algorithm and CLAHE [0.0]
本研究では、ポーズや感情、解像度のバリエーションのある15ピクセルの低解像度のリアルタイム顔認識システムを提案する。
トレーニングや分類に使用されている LRD200 と LRD100 というデータセットを設計しました。
この顔認識システムは、法執行目的で使用することができ、監視カメラは、カメラから人の距離のために低解像度の画像をキャプチャします。
論文 参考訳（メタデータ） (2021-04-15T04:54:29Z) - Face Recognition using 3D CNNs [14.26473757011463]
我々はCVBLビデオデータセットという独自のビデオデータセットを開発した。
ビデオにおける顔認識に3D CNNを使用すると、CVBLデータセット上で97%の精度で有望な結果が得られる。
論文 参考訳（メタデータ） (2021-02-02T11:31:40Z) - BWCFace: Open-set Face Recognition using Body-worn Camera [0.8594140167290097]
本稿では,ボディウーンカメラ(BWC)を用いた最先端顔認識のギャップを埋めることを目的とする。
本研究のコントリビューションは,1)ボディウーンカメラを用いて撮影した132人の被験者の合計178Kの顔画像からなるBWCFaceと呼ばれるデータセットの収集と,2)最新のディープラーニングベースの畳み込みニューラルネットワーク(CNN)アーキテクチャのオープンセット評価と,5種類の顔識別機能を組み合わせた。
論文 参考訳（メタデータ） (2020-09-24T02:45:29Z) - Face Anti-Spoofing by Learning Polarization Cues in a Real-World
Scenario [50.36920272392624]
顔の偽造は生体認証アプリケーションにおけるセキュリティ侵害を防ぐ鍵となる。
RGBと赤外線画像を用いたディープラーニング手法は,新たな攻撃に対する大量のトレーニングデータを必要とする。
本研究では,実顔の偏光画像の物理的特徴を自動的に学習することにより,現実のシナリオにおける顔のアンチ・スプーフィング手法を提案する。
論文 参考訳（メタデータ） (2020-03-18T03:04:03Z)
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。