論文の概要: Towards Visual Saliency Explanations of Face Recognition
- arxiv url: http://arxiv.org/abs/2305.08546v1
- Date: Mon, 15 May 2023 11:17:17 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-16 14:52:37.286521
- Title: Towards Visual Saliency Explanations of Face Recognition
- Title（参考訳）: 顔認識の視覚的サリエンシ説明に向けて
- Authors: Yuhang Lu, Zewei Xu, Touradj Erahimi
- Abstract要約: 本稿では,顔認識のための新しい説明枠組みを提案する。
まず、深いFRモデルによる決定に焦点を当てた、唾液度に基づく説明法の新しい定義を提供することから始める。
相関に基づく新しいRISEアルゴリズム (CorrRISE) が提案され、任意の対の顔画像の類似領域と相似領域の両方を明らかにする。
- 参考スコア（独自算出の注目度）: 7.4997824485851705
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deep convolutional neural networks have been pushing the frontier of face
recognition (FR) techniques in the past years. Despite the high accuracy, they
are often criticized for lacking explainability. There has been an increasing
demand for understanding the decision-making process of deep face recognition
systems. Recent studies have investigated using visual saliency maps as an
explanation, but they often lack a discussion and analysis in the context of
face recognition. This paper conceives a new explanation framework for face
recognition. It starts by providing a new definition of the saliency-based
explanation method, which focuses on the decisions made by the deep FR model.
Then, a novel correlation-based RISE algorithm (CorrRISE) is proposed to
produce saliency maps, which reveal both the similar and dissimilar regions of
any given pair of face images. Besides, two evaluation metrics are designed to
measure the performance of general visual saliency explanation methods in face
recognition. Consequently, substantial visual and quantitative results have
shown that the proposed method consistently outperforms other explainable face
recognition approaches.
- Abstract（参考訳）: 深層畳み込みニューラルネットワークは、過去数年間、顔認識(FR)技術のフロンティアを推し進めてきた。
精度が高いにもかかわらず、説明性に欠けるとしてしばしば批判される。
深層顔認識システムにおける意思決定プロセスの理解に対する需要が高まっている。
近年の研究では、視覚的サリエンシマップを説明として用いているが、顔認識の文脈では議論や分析が欠如していることが多い。
本稿では,顔認識のための新しい説明枠組みを提案する。
まず、深いFRモデルによる決定に焦点を当てた、唾液度に基づく説明法の新しい定義を提供することから始める。
次に,任意の対の顔画像の類似領域と類似領域の両方を明らかにするために,新しい相関ベースライジングアルゴリズム(corrrise)を提案する。
また,2つの評価指標は,顔認識における一般的な視覚的相性説明法の性能を測定するために設計されている。
その結果,提案手法は他の説明可能な顔認識手法を一貫して上回っていることがわかった。
関連論文リスト
- Towards A Comprehensive Visual Saliency Explanation Framework for AI-based Face Recognition Systems [9.105950041800225]
本書は,顔認識タスクの包括的説明枠組みを考案した。
AIに基づく顔認識システムのためのビジュアル・サリエンシ・マップに基づく説明の包括的定義を提供する。
CorrRISE というモデルに依存しない新しい説明法が提案されている。
論文 参考訳（メタデータ） (2024-07-08T14:25:46Z) - Explainable Face Verification via Feature-Guided Gradient
Backpropagation [9.105950041800225]
顔認識システムの意思決定に対する信頼性の高い解釈の必要性が高まっている。
本稿ではまず,勾配逆伝播による顔画像とその深部表現の空間的関係について検討する。
FRシステムの"アクセプション"と"リジェクト"の決定を説明するために、正確で洞察に富んだ類似性と相似性の相似性マップを提供する新しい説明手法が考案された。
論文 参考訳（メタデータ） (2024-03-07T14:43:40Z) - DeepFidelity: Perceptual Forgery Fidelity Assessment for Deepfake
Detection [67.3143177137102]
ディープフェイク検出(Deepfake detection)とは、画像やビデオにおいて、人工的に生成された顔や編集された顔を検出すること。
本稿では,実顔と偽顔とを適応的に識別するDeepFidelityという新しいDeepfake検出フレームワークを提案する。
論文 参考訳（メタデータ） (2023-12-07T07:19:45Z) - Explaining Deep Face Algorithms through Visualization: A Survey [57.60696799018538]
本研究は、顔領域における説明可能性アルゴリズムの第一種メタ分析を行う。
既存のフェース説明可能性について概観し、フェースネットワークの構造と階層に関する貴重な知見を明らかにする。
論文 参考訳（メタデータ） (2023-09-26T07:16:39Z) - Discriminative Deep Feature Visualization for Explainable Face
Recognition [9.105950041800225]
本稿では、まず、顔再構成に基づく説明モジュールを考案し、説明可能な顔認識の問題に寄与する。
FRモデルの決定をさらに解釈するため、新しい視覚的サリエンシ説明アルゴリズムが提案されている。
論文 参考訳（メタデータ） (2023-06-01T07:06:43Z) - Explanation of Face Recognition via Saliency Maps [13.334500258498798]
本稿では,説明可能な顔認識(XFR)の厳密な定義を提案する。
次に、類似性に基づくRISEアルゴリズム(S-RISE)を導入し、高品質なビジュアル・サリエンシ・マップを作成する。
一般的なビジュアル・サリエンシに基づくXFR手法の信頼性と精度を体系的に評価するための評価手法を提案する。
論文 参考訳（メタデータ） (2023-04-12T19:04:21Z) - Privileged Attribution Constrained Deep Networks for Facial Expression
Recognition [31.98044070620145]
顔の表情認識(FER)は、機械が人間の振る舞いをよりよく理解できるようにするため、多くの研究領域において重要である。
これらの問題を緩和するために、私たちはモデルに、目、口、まぶたなどの特定の顔領域に集中するよう指導する。
PAL(Privleged Attribution Loss)は,最も健康な顔領域に向けて,モデルの注意を向ける手法である。
論文 参考訳（メタデータ） (2022-03-24T07:49:33Z) - Detect and Locate: A Face Anti-Manipulation Approach with Semantic and
Noise-level Supervision [67.73180660609844]
本稿では,画像中の偽造顔を効率的に検出する,概念的にシンプルだが効果的な方法を提案する。
提案手法は,画像に関する意味の高い意味情報を提供するセグメンテーションマップに依存する。
提案モデルでは,最先端検出精度と顕著なローカライゼーション性能を実現する。
論文 参考訳（メタデータ） (2021-07-13T02:59:31Z) - Deep Learning-based Face Super-resolution: A Survey [78.11274281686246]
顔の超解像、別名顔の幻覚は、ドメイン固有のイメージの超解像問題です。
現在、深層学習に基づく顔の超解像に関する研究の要約は少ない。
本調査では,超解像面における深層学習の手法を体系的に総合的に検討する。
論文 参考訳（メタデータ） (2021-01-11T08:17:11Z) - DeepFake Detection Based on the Discrepancy Between the Face and its
Context [94.47879216590813]
単一画像における顔のスワップやその他のアイデンティティ操作を検出する手法を提案する。
提案手法は, (i) 厳密なセマンティックセグメンテーションによって境界付けられた顔領域を考慮した顔識別ネットワークと, (ii) 顔コンテキストを考慮したコンテキスト認識ネットワークの2つのネットワークを含む。
本稿では,2つのネットワークからの認識信号を用いて,そのような不一致を検出する手法について述べる。
提案手法は,FaceForensics++,Celeb-DF-v2,DFDCベンチマークを用いて顔検出を行い,未知の手法で生成した偽物の検出を一般化する。
論文 参考訳（メタデータ） (2020-08-27T17:04:46Z) - Face Anti-Spoofing Via Disentangled Representation Learning [90.90512800361742]
顔認識システムのセキュリティには、顔の偽造が不可欠だ。
本稿では,画像から生意気な特徴やコンテンツの特徴を乱す顔のアンチ・スプーフィングの新たな視点を提案する。
論文 参考訳（メタデータ） (2020-08-19T03:54:23Z)
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。