論文の概要: Embedding Aggregation for Forensic Facial Comparison
- arxiv url: http://arxiv.org/abs/2305.00352v1
- Date: Sat, 29 Apr 2023 22:23:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-02 15:43:14.870619
- Title: Embedding Aggregation for Forensic Facial Comparison
- Title(参考訳): 法医学的顔比較のための埋め込みアグリゲーション
- Authors: Rafael Oliveira Ribeiro, Jo\~ao C. R. Neves, Arnout C. C. Ruifrok,
Flavio de Barros Vidal
- Abstract要約: 本研究では,同一人物の様々な画像からディープニューラルネットワークの埋め込みを集約し,顔認証の性能を向上させることを提案する。
我々は,特に低画質画像において,顕著な性能向上を観察した。
- 参考スコア(独自算出の注目度): 0.24851820343103032
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In forensic facial comparison, questioned-source images are usually captured
in uncontrolled environments, with non-uniform lighting, and from
non-cooperative subjects. The poor quality of such material usually compromises
their value as evidence in legal matters. On the other hand, in forensic
casework, multiple images of the person of interest are usually available. In
this paper, we propose to aggregate deep neural network embeddings from various
images of the same person to improve performance in facial verification. We
observe significant performance improvements, especially for very low-quality
images. Further improvements are obtained by aggregating embeddings of more
images and by applying quality-weighted aggregation. We demonstrate the
benefits of this approach in forensic evaluation settings with the development
and validation of score-based likelihood ratio systems and report improvements
in Cllr of up to 95% (from 0.249 to 0.012) for CCTV images and of up to 96%
(from 0.083 to 0.003) for social media images.
- Abstract(参考訳): 法医学的な顔比較では、疑わしいソース画像は、通常、制御されていない環境、不均一な照明、そして非協力的な被験者から撮影される。
このような資料の質の低さは、通常法的事項の証拠としての価値を損なう。
一方、法医学的なケースワークでは、興味ある人物の複数の画像が通常利用可能である。
本稿では,顔認証の性能向上のために,同一人物のさまざまな画像からのディープニューラルネットワークの埋め込みを集約することを提案する。
特に低画質画像では,性能が著しく向上した。
さらなる改善は、より多くの画像の埋め込みを集約し、品質重み付けアグリゲーションを適用することで得られる。
本手法は,cctv画像に対して最大95%(0.249~0.012),ソーシャルメディア画像では最大96%(0.083~0.003)のcllr改善を報告し,スコアベース度比システムの開発と検証を行い,法医学的評価において有効であることを示す。
関連論文リスト
- Is JPEG AI going to change image forensics? [50.92778618091496]
本稿では,ニューラル画像圧縮に基づくJPEGAI標準の反法医学的効果について検討する。
JPEG AIによって処理された真の内容を分析する際に,誤報の増加は,先導的な法医学的検知器の性能を損なうことを示す。
論文 参考訳(メタデータ) (2024-12-04T12:07:20Z) - Local Manifold Learning for No-Reference Image Quality Assessment [68.9577503732292]
No-Reference Image Quality Assessment(NR-IQA)のための、局所多様体学習とコントラスト学習を統合した革新的なフレームワークを提案する。
提案手法は,7つの標準データセットの最先端手法よりも優れた性能を示す。
論文 参考訳(メタデータ) (2024-06-27T15:14:23Z) - PIQI: Perceptual Image Quality Index based on Ensemble of Gaussian
Process Regression [2.9412539021452715]
デジタル画像の品質を評価するためにPIQI(Perceptual Image Quality Index)を提案する。
PIQIの性能は6つのベンチマークデータベースでチェックされ、12の最先端の手法と比較される。
論文 参考訳(メタデータ) (2023-05-16T06:44:17Z) - Applicability limitations of differentiable full-reference image-quality [0.0]
圧縮前の画像前処理は, DisTS, LPIPS, HaarPSI, VIFによって提供される品質スコアを人工的に向上させることを示す。
前処理した画像の主観的な比較では、調査した指標の大半において、視覚的品質の低下や維持は変わらないことがわかった。
論文 参考訳(メタデータ) (2022-12-11T13:15:06Z) - Forensicability Assessment of Questioned Images in Recapturing Detection [78.45849869266834]
質問されたサンプルの鑑定可能性の定量化のための鑑定可能性評価ネットワークを提案する。
低フォレンシビリティサンプルは、実際の再適応検出プロセスの前に拒絶され、再適応システムの効率が向上する。
我々は、トレーニングされたFANetと、アンチ・スプーフィングと再適応された文書検出タスクの実践的な再適応検出スキームを統合する。
論文 参考訳(メタデータ) (2022-09-05T12:26:01Z) - Non-Reference Quality Monitoring of Digital Images using Gradient
Statistics and Feedforward Neural Networks [0.1657441317977376]
デジタル画像の品質を評価するために,非参照品質指標を提案する。
提案手法は,提案手法よりも高速で,画像系列の品質評価に利用することができる。
論文 参考訳(メタデータ) (2021-12-27T20:21:55Z) - Enhanced Transfer Learning Through Medical Imaging and Patient
Demographic Data Fusion [0.0]
画像特徴と関連する非画像データとを組み合わせた医療画像データの分類における性能向上について検討した。
特徴抽出器として直接使用し,対象領域に微調整を施したImageNetで事前訓練したネットワークを用いた転送学習を利用する。
論文 参考訳(メタデータ) (2021-11-29T09:11:52Z) - A Comparative Study of Fingerprint Image-Quality Estimation Methods [54.84936551037727]
画質の悪い画像は、突発的で欠落した特徴をもたらし、システム全体の性能を低下させる。
本稿では,指紋画像品質評価のための既存手法について概説する。
また,指紋画像品質推定アルゴリズムの選定も行った。
論文 参考訳(メタデータ) (2021-11-14T19:53:12Z) - Learning Conditional Knowledge Distillation for Degraded-Reference Image
Quality Assessment [157.1292674649519]
劣化参照IQA(DR-IQA)という実用的な解を提案する。
DR-IQAはIRモデルの入力、劣化したイメージを参照として利用する。
私たちの結果は、フル参照設定のパフォーマンスに近いものもあります。
論文 参考訳(メタデータ) (2021-08-18T02:35:08Z) - From A Glance to "Gotcha": Interactive Facial Image Retrieval with
Progressive Relevance Feedback [72.29919762941029]
本稿では,目撃者から徐々にフィードバックを得て顔画像を取得するためのエンドツーエンドフレームワークを提案する。
追加のアノテーションを必要とせずに、私たちのモデルは少しのレスポンスの努力を犠牲にして適用できます。
論文 参考訳(メタデータ) (2020-07-30T18:46:25Z)
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。