論文の概要: AttenFace: A Real Time Attendance System using Face Recognition
- arxiv url: http://arxiv.org/abs/2211.07582v1
- Date: Mon, 14 Nov 2022 18:09:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-15 18:51:46.686176
- Title: AttenFace: A Real Time Attendance System using Face Recognition
- Title（参考訳）: attenface:顔認識を用いたリアルタイム出席システム
- Authors: Ashwin Rao
- Abstract要約: AttenFaceは、顔認識を使ってリアルタイムで参加者を分析し、追跡し、承認するシステムである。
このシステムは,授業期間中に撮影された複数のスナップショットから,生徒を識別し,その存在をクラス内の存在としてマークする。
AttenFaceは、教育機関における顔認識機能を備えた出席者のための、初めてのワンストップソリューションだ。
- 参考スコア（独自算出の注目度）: 0.2538209532048866
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The current approach to marking attendance in colleges is tedious and time
consuming. I propose AttenFace, a standalone system to analyze, track and grant
attendance in real time using face recognition. Using snapshots of class from
live camera feed, the system identifies students and marks them as present in a
class based on their presence in multiple snapshots taken throughout the class
duration. Face recognition for each class is performed independently and in
parallel, ensuring that the system scales with number of concurrent classes.
Further, the separation of the face recognition server from the back-end server
for attendance calculation allows the face recognition module to be integrated
with existing attendance tracking software like Moodle. The face recognition
algorithm runs at 10 minute intervals on classroom snapshots, significantly
reducing computation compared to direct processing of live camera feed. This
method also provides students the flexibility to leave class for a short
duration (such as for a phone call) without losing attendance for that class.
Attendance is granted to a student if he remains in class for a number of
snapshots above a certain threshold. The system is fully automatic and requires
no professor intervention or any form of manual attendance or even camera
set-up, since the back-end directly interfaces with in-class cameras. AttenFace
is a first-of-its-kind one-stop solution for face-recognition-enabled
attendance in educational institutions that prevents proxy, handling all
aspects from students checking attendance to professors deciding their own
attendance policy, to college administration enforcing default attendance
rules.
- Abstract（参考訳）: 大学への出席をマークする現在のアプローチは退屈で時間を要する。
顔認識を用いてリアルタイムに参加者を追跡し,追跡し,許可するスタンドアロンシステムであるattenfaceを提案する。
ライブカメラフィードからのクラスのスナップショットを使用して、システムは学生を識別し、クラス期間中に複数のスナップショットで取得したクラスの存在に基づいて、クラスに存在をマークする。
各クラスの顔認識は独立して並列に行われ、システムが並列クラスの数でスケールすることを保証する。
また、出席計算のためのバックエンドサーバから顔認識サーバを分離することで、momentleのような既存の出席追跡ソフトウェアと顔認識モジュールを統合できる。
顔認識アルゴリズムは教室のスナップショット上で10分間隔で動作し、ライブカメラフィードの直接処理に比べて計算量を大幅に削減する。
この方法はまた、授業に出席する機会を失うことなく、短い期間(例えば電話など)クラスを離れる柔軟性も学生に提供する。
一定の閾値以上のスナップショットのためにクラスに留まっている場合、出席は学生に与えられる。
バックエンドがクラス内カメラと直接接続するため、システムは完全に自動化されており、教授の介入や手作業による出席、あるいはカメラのセットアップも不要である。
attenfaceは、顔認識対応の教育機関でのワンストップソリューションであり、学生の出席確認から、自分の出席方針を決める教授、デフォルトの出席規則を強制する大学管理まで、あらゆる側面をプロキシーに対処している。
関連論文リスト
- Contrastive Learning of Person-independent Representations for Facial
Action Unit Detection [70.60587475492065]
自己教師型AU表現学習信号を2次元で定式化する。
ビデオクリップ内でAU表現を学習し、個人に依存しない表現を学習するためのクロスアイデンティティ再構築機構を考案する。
提案手法は,他のコントラスト学習手法よりも優れており,自己教師と教師付きAU検出手法間の性能ギャップを著しく短縮する。
論文 参考訳（メタデータ） (2024-03-06T01:49:28Z) - Cross Architecture Distillation for Face Recognition [49.55061794917994]
本研究では,教師にプロンプトを組み込むことで,蒸留専門知識の管理を可能にする適応型プロンプト教師ネットワーク(APT)を開発した。
一般的な顔のベンチマークと2つの大規模な検証セットによる実験は,本手法の優位性を実証している。
論文 参考訳（メタデータ） (2023-06-26T12:54:28Z) - Deep Learning-based Spatio Temporal Facial Feature Visual Speech
Recognition [0.0]
パスワードをしゃべりながら、顔認識と個人特有の時間的顔の特徴的動作を併用する代替認証方式を提案する。
提案されたモデルは、業界標準のMIRACL-VC1データセットでテストしたときに96.1%の精度を達成した。
論文 参考訳（メタデータ） (2023-04-30T18:52:29Z) - iExam: A Novel Online Exam Monitoring and Analysis System Based on Face
Detection and Recognition [33.277633053428396]
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。
論文 参考訳（メタデータ） (2022-06-27T15:03:25Z) - OPOM: Customized Invisible Cloak towards Face Privacy Protection [58.07786010689529]
我々は、新しいタイプのカスタマイズクロークに基づく技術の観点から、顔のプライバシ保護について検討する。
本研究では,個人固有の(クラスワイドな)ユニバーサルマスクを生成するために,1人1マスク(OPOM)という新しい手法を提案する。
提案手法の有効性を,共通データセットと有名データセットの両方で評価した。
論文 参考訳（メタデータ） (2022-05-24T11:29:37Z) - Muscle Vision: Real Time Keypoint Based Pose Classification of Physical
Exercises [52.77024349608834]
ビデオから外挿された3D人間のポーズ認識は、リアルタイムソフトウェアアプリケーションを可能にするまで進歩した。
本稿では,ライブビデオフィード上で人間のポーズ認識を行う新しい機械学習パイプラインとWebインターフェースを提案する。
論文 参考訳（メタデータ） (2022-03-23T00:55:07Z) - Online Classroom Evaluation System Based on Multi-Reaction Estimation [0.0]
本システムは,教師が生徒の反応を検知して授業の速度を調節するのに役立つように設計されている。
評価後,学生の頭部ポーズ,手ポーズ,表情認識に基づく授業参加評価手法を提案した。
評価結果は,授業の質を肯定的,中立的,否定的に分割し,教師が授業内容の整理を行う。
論文 参考訳（メタデータ） (2021-12-17T14:32:28Z) - 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) - ProxylessKD: Direct Knowledge Distillation with Inherited Classifier for
Face Recognition [84.49978494275382]
知識蒸留(KD)とは、大きなモデルから小さなモデルに知識を移すことである。
本研究では,顔認識におけるその応用に焦点を当てる。
本稿では,顔認識の精度を直接最適化するProxylessKDを提案する。
論文 参考訳（メタデータ） (2020-10-31T13:14:34Z) - Smart Attendance System Usign CNN [0.0]
我々は,顔検出と顔認識を用いた,出席者参加のためのスマートで効率的なシステムを導入している。
このシステムは、リアルタイムの顔認識を用いて、大学やオフィスに出席するために使用することができる。
出席記録は自動的に更新され、エクストラシートやデータベースに保存される。
論文 参考訳（メタデータ） (2020-04-22T09:04:33Z) - Investigating the Impact of Inclusion in Face Recognition Training Data
on Individual Face Identification [93.5538147928669]
最新のオープンソースの顔認識システムであるArcFaceを、100万枚以上の散らばった画像を用いた大規模な顔識別実験で監査する。
モデルのトレーニングデータには79.71%、存在しない人には75.73%のランク1顔認証精度がある。
論文 参考訳（メタデータ） (2020-01-09T15:50:28Z)
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。