Fugu-MT 論文翻訳(概要): Supervised Contrastive Learning and Feature Fusion for Improved Kinship Verification

論文の概要: Supervised Contrastive Learning and Feature Fusion for Improved Kinship Verification

arxiv url: http://arxiv.org/abs/2302.09556v1
Date: Sun, 19 Feb 2023 12:20:14 GMT
ステータス: 処理完了
システム内更新日: 2023-02-21 17:49:55.999532
Title: Supervised Contrastive Learning and Feature Fusion for Improved Kinship Verification
Title（参考訳）: 教師付きコントラスト学習と特徴融合による人間関係検証の改善
Authors: Nazim Bendib
Abstract要約: 教師付きコントラスト学習を用いた親族検証手法を提案する。我々の実験は最先端の結果を示し、Wildデータセットの家族で81.1%の精度を達成した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Facial Kinship Verification is the task of determining the degree of familial relationship between two facial images. It has recently gained a lot of interest in various applications spanning forensic science, social media, and demographic studies. In the past decade, deep learning-based approaches have emerged as a promising solution to this problem, achieving state-of-the-art performance. In this paper, we propose a novel method for solving kinship verification by using supervised contrastive learning, which trains the model to maximize the similarity between related individuals and minimize it between unrelated individuals. Our experiments show state-of-the-art results and achieve 81.1% accuracy in the Families in the Wild (FIW) dataset.
Abstract（参考訳）: 顔関係検証は,2つの顔画像間の家族関係の程度を決定するタスクである。最近、法医学、ソーシャルメディア、人口統計学にまたがる様々な応用に多くの関心を集めている。過去10年間、ディープラーニングベースのアプローチが、最先端のパフォーマンスを達成するための有望なソリューションとして現れてきた。本稿では,関連個体間の類似性を最大化し,非関連個体間での類似性を最小化するために,教師付きコントラスト学習を用いて近親性検証を行う新しい手法を提案する。実験では最新結果を示し,wild(fiw)データセットにおける81.1%の精度を達成した。

関連論文リスト

Cross-Age Contrastive Learning for Age-Invariant Face Recognition [29.243096587091575]
年齢差の顔画像は一般的に収集が困難で費用がかかる。異なる年齢の同じ被験者の画像は通常入手が困難または不可能である。クロスエイジコントラスト学習(CACon)という,新たな半教師付き学習手法を提案する。
論文参考訳（メタデータ） (2023-12-18T13:41:21Z)
From Pretext to Purpose: Batch-Adaptive Self-Supervised Learning [32.18543787821028]
本稿では,自己教師付きコントラスト学習におけるバッチ融合の適応的手法を提案する。公平な比較で最先端のパフォーマンスを達成する。提案手法は,データ駆動型自己教師型学習研究の進展に寄与する可能性が示唆された。
論文参考訳（メタデータ） (2023-11-16T15:47:49Z)
The Fairness Stitch: Unveiling the Potential of Model Stitching in Neural Network De-Biasing [0.043512163406552]
本研究では,深層学習モデルの公平性を高めるために,"The Fairness Stitch"と呼ばれる新しい手法を提案する。我々はCelebAとUTKFaceの2つのよく知られたデータセットを総合的に評価する。フェアネスとパフォーマンスのバランスの取れたトレードオフを達成する上で, 顕著な改善がみられた。
論文参考訳（メタデータ） (2023-11-06T21:14:37Z)
Sensitivity, Performance, Robustness: Deconstructing the Effect of Sociodemographic Prompting [64.80538055623842]
社会デマトグラフィープロンプトは、特定の社会デマトグラフィープロファイルを持つ人間が与える答えに向けて、プロンプトベースのモデルの出力を操縦する技術である。ソシオデマトグラフィー情報はモデル予測に影響を及ぼし、主観的NLPタスクにおけるゼロショット学習を改善するのに有用であることを示す。
論文参考訳（メタデータ） (2023-09-13T15:42:06Z)
Age Prediction From Face Images Via Contrastive Learning [1.7705784090599048]
我々は、異なる年齢の異なる人物の容易に利用可能な顔データセットを活用し、コントラスト学習を用いて年齢に関連する特徴を抽出することを目的としている。提案手法は,コサイン類似度とトリプルトマージン損失の組合せを用いて,同一性に関連する特徴を抑えながら,関連する特徴を強調した。
論文参考訳（メタデータ） (2023-08-23T03:43:34Z)
Learning Diversified Feature Representations for Facial Expression Recognition in the Wild [97.14064057840089]
本稿では,CNN層が抽出した顔表情認識アーキテクチャの特徴を多様化する機構を提案する。 AffectNet,FER+,RAF-DBの3つの顔表情認識実験の結果,本手法の有効性が示された。
論文参考訳（メタデータ） (2022-10-17T19:25:28Z)
On Modality Bias Recognition and Reduction [70.69194431713825]
マルチモーダル分類の文脈におけるモダリティバイアス問題について検討する。本稿では,各ラベルの特徴空間を適応的に学習するプラグアンドプレイ損失関数法を提案する。本手法は, ベースラインに比べ, 顕著な性能向上を実現している。
論文参考訳（メタデータ） (2022-02-25T13:47:09Z)
Kinship Verification Based on Cross-Generation Feature Interaction Learning [53.62256887837659]
顔画像からの血縁検証は、コンピュータビジョンの応用において、新しいが挑戦的な技術として認識されている。本稿では,頑健な親族関係検証のためのクロスジェネレーション・インタラクション・ラーニング(CFIL)フレームワークを提案する。
論文参考訳（メタデータ） (2021-09-07T01:50:50Z)
Deep Collaborative Multi-Modal Learning for Unsupervised Kinship Estimation [53.62256887837659]
キンシップ検証は、コンピュータビジョンにおける長年の研究課題である。本稿では,顔特性に表される基礎情報を統合するために,新しい協調型多モーダル学習(DCML)を提案する。我々のDCML法は、常に最先端のキンシップ検証法よりも優れている。
論文参考訳（メタデータ） (2021-09-07T01:34:51Z)
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)
A Unified Approach to Kinship Verification [10.508187462682308]
統合マルチタスク学習方式を用いた親族検証のための深層学習に基づくアプローチを提案する。本稿では,ネットワークのトレーニングにおいて一般的な問題であるオーバーフィッティングを回避するため,キンイメージの埋め込みを融合させる新しい手法を提案する。同期検証データセットの固有不均衡を解決するために、トレーニングセット画像に対して適応的なサンプリングスキームを導出する。
論文参考訳（メタデータ） (2020-09-12T22:13:56Z)

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。