論文の概要: Young Labeled Faces in the Wild (YLFW): A Dataset for Children Faces
Recognition
- arxiv url: http://arxiv.org/abs/2301.05776v1
- Date: Fri, 13 Jan 2023 22:19:44 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-18 18:50:39.549170
- Title: Young Labeled Faces in the Wild (YLFW): A Dataset for Children Faces
Recognition
- Title（参考訳）: young labeled faces in the wild (ylfw):子どもの顔認識のためのデータセット
- Authors: Iurii Medvedev and Farhad Shadmand and Nuno Gon\c{c}alves
- Abstract要約: 子どもの顔認識のためのベンチマークデータセットを,LFW, CALFW, CPLFW, XQLFW, AgeDBといった有名な顔認識ベンチマークと同様にコンパイルする。
また、子供の顔画像に顔認識モデルを適用するための開発データセットも提示する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Face recognition has achieved outstanding performance in the last decade with
the development of deep learning techniques.
Nowadays, the challenges in face recognition are related to specific
scenarios, for instance, the performance under diverse image quality, the
robustness for aging and edge cases of person age (children and elders),
distinguishing of related identities.
In this set of problems, recognizing children's faces is one of the most
sensitive and important. One of the reasons for this problem is the existing
bias towards adults in existing face datasets.
In this work, we present a benchmark dataset for children's face recognition,
which is compiled similarly to the famous face recognition benchmarks LFW,
CALFW, CPLFW, XQLFW and AgeDB.
We also present a development dataset (separated into train and test parts)
for adapting face recognition models for face images of children.
The proposed data is balanced for African, Asian, Caucasian, and Indian
races. To the best of our knowledge, this is the first standartized data tool
set for benchmarking and the largest collection for development for children's
face recognition. Several face recognition experiments are presented to
demonstrate the performance of the proposed data tool set.
- Abstract（参考訳）: 顔認識は、ディープラーニング技術の開発によって、過去10年間で優れたパフォーマンスを達成している。
今日では、顔認証の課題は特定のシナリオ、例えば、様々な画像品質下でのパフォーマンス、高齢者(子供と高齢者)の高齢化とエッジケースの堅牢性、関連するアイデンティティの識別などに関連している。
この一連の問題において、子供の顔を認識することは最も敏感で重要である。
この問題の理由の1つは、既存の顔データセットの成人に対する既存の偏見である。
本研究では,有名な顔認識ベンチマークであるlfw,calfw,cplfw,xqlfw,agerbと類似した,子どもの顔認識のためのベンチマークデータセットを提案する。
また,子供の顔画像に顔認識モデルを適用するための開発データセット(訓練部とテスト部に分けられる)を提案する。
提案されたデータは、アフリカ、アジア、コーカサス、インドの人種のバランスを取っている。
我々の知る限り、これはベンチマークのための最初のスタンドアロンデータツールであり、子供の顔認識のための開発のための最大のコレクションである。
提案するデータツールセットの性能を示すために,いくつかの顔認識実験を行った。
関連論文リスト
- ChildDiffusion: Unlocking the Potential of Generative AI and Controllable Augmentations for Child Facial Data using Stable Diffusion and Large Language Models [1.1470070927586018]
この枠組みは、民族データ、微妙な表現、顔ポーズのバリエーション、目まき効果、異なる髪の色とスタイル、老化、複数と異なる子供の性別を単一のフレームでレンダリングすることによって検証される。
提案手法は、時間的不整合や出力の限られた制御など、生成AIツールで発生する一般的な問題を回避している。
論文 参考訳（メタデータ） (2024-06-17T14:37:14Z) - LAFS: Landmark-based Facial Self-supervised Learning for Face
Recognition [37.4550614524874]
我々は、効果的な顔認識モデルの訓練に適応できる顔表現の学習に焦点をあてる。
本研究では,自己教師付き事前学習による未ラベル顔画像の学習戦略について検討する。
提案手法は,複数の顔認識ベンチマークにおける最先端技術よりも大幅に向上する。
論文 参考訳（メタデータ） (2024-03-13T01:07:55Z) - Child Face Recognition at Scale: Synthetic Data Generation and
Performance Benchmark [3.4110993541168853]
HDA-SynChildFacesは1,652人の被験者と188,832人の画像で構成され、各被験者は様々な年齢で存在し、多くの異なる物体内変異を持つ。
生成したデータベース上での様々な顔認識システムの性能評価を行い、年齢の異なる大人と子供の結果と比較した。
論文 参考訳（メタデータ） (2023-04-23T15:29:26Z) - How to Boost Face Recognition with StyleGAN? [13.067766076889995]
最先端の顔認識システムは大量のラベル付きトレーニングデータを必要とする。
業界における自己監督的革命は、関連する技術が顔認識に適応する研究を動機付けている。
StyleGANのための微調整pSpエンコーダに基づく簡単なアプローチにより、最先端の顔認識を改善することができることを示す。
論文 参考訳（メタデータ） (2022-10-18T18:41:56Z) - SynFace: Face Recognition with Synthetic Data [83.15838126703719]
我々は、ID混在(IM)とドメイン混在(DM)を併用したSynFaceを考案し、パフォーマンスギャップを緩和する。
また、合成顔画像の系統的実験分析を行い、合成データを顔認識に効果的に活用する方法についての知見を提供する。
論文 参考訳（メタデータ） (2021-08-18T03:41:54Z) - FP-Age: Leveraging Face Parsing Attention for Facial Age Estimation in
the Wild [50.8865921538953]
年齢推定に顔のセマンティクスを明示的に組み込む手法を提案する。
我々は,顔解析に基づくネットワークを設計し,異なるスケールで意味情報を学習する。
提案手法は,既存の年齢推定手法を常に上回っていることを示す。
論文 参考訳（メタデータ） (2021-06-21T14:31:32Z) - Pre-training strategies and datasets for facial representation learning [58.8289362536262]
いくつかの顔分析タスクやデータセットに適用可能な普遍的な顔表現の探索方法を示す。
顔に適応する2つの大規模表現学習を体系的に検討する。
私たちの主な2つの発見は以下の通りです: 完全にインザワイルドな未処理データに対する教師なし事前トレーニングは一貫性を提供し、場合によっては大幅な精度向上をもたらします。
論文 参考訳（メタデータ） (2021-03-30T17:57:25Z) - 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) - Boosting Unconstrained Face Recognition with Auxiliary Unlabeled Data [59.85605718477639]
本稿では,ラベルのない顔を用いて一般化可能な顔表現を学習する手法を提案する。
制約のないデータセットに対する実験結果から、十分な多様性を持つ少量のラベル付きデータが認識性能を向上させる可能性が示唆された。
論文 参考訳（メタデータ） (2020-03-17T20:58:56Z) - 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。