論文の概要: Discriminative Deep Feature Visualization for Explainable Face Recognition

• arxiv url: http://arxiv.org/abs/2306.00402v1
• Date: Thu, 1 Jun 2023 07:06:43 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-02 17:52:18.677213
• Title: Discriminative Deep Feature Visualization for Explainable Face Recognition
• Title（参考訳）: 説明可能な顔認識のための識別的深部特徴可視化
• Authors: Zewei Xu, Yuhang Lu, and Touradj Ebrahimi
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 10.043015349842197
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Despite the huge success of deep convolutional neural networks in face recognition (FR) tasks, current methods lack explainability for their predictions because of their "black-box" nature. In recent years, studies have been carried out to give an interpretation of the decision of a deep FR system. However, the affinity between the input facial image and the extracted deep features has not been explored. This paper contributes to the problem of explainable face recognition by first conceiving a face reconstruction-based explanation module, which reveals the correspondence between the deep feature and the facial regions. To further interpret the decision of an FR model, a novel visual saliency explanation algorithm has been proposed. It provides insightful explanation by producing visual saliency maps that represent similar and dissimilar regions between input faces. A detailed analysis has been presented for the generated visual explanation to show the effectiveness of the proposed method.
• Abstract（参考訳）: 顔認識(fr)タスクにおける深い畳み込みニューラルネットワークの成功にもかかわらず、現在の手法では、その「ブラックボックス」の性質から、その予測について説明できない。 近年、深いFR系の決定を解釈するために研究が進められている。 しかし, 入力顔画像と抽出した深部像との親和性については検討されていない。 本稿では,まず,深部特徴と顔領域の対応性を明らかにする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モデルの決定を更に解釈するために,新しい視覚塩分説明アルゴリズムが提案されている。 入力面間の類似した異質な領域を表現する視覚的なサリエンシーマップを作成することで、洞察に富んだ説明を提供する。 提案手法の有効性を示すために, 生成した視覚説明に対して詳細な解析を行った。

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)
• 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)
• Towards Visual Saliency Explanations of Face Verification [10.234175295380107]
  本稿では,深層畳み込みニューラルネットワークを用いた顔認証タスクについて説明する。 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。 提案手法は,他の最先端の顔認証手法と比較して有望な結果を示す。
  論文  参考訳（メタデータ） (2023-05-15T11:17:17Z)
• 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)
• End2End Occluded Face Recognition by Masking Corrupted Features [82.27588990277192]
  最先端の一般的な顔認識モデルは、隠蔽された顔画像に対してうまく一般化しない。 本稿では,1つのエンドツーエンドのディープニューラルネットワークに基づいて,オクルージョンに頑健な新しい顔認識手法を提案する。 我々のアプローチは、深い畳み込みニューラルネットワークから破損した特徴を発見し、動的に学習されたマスクによってそれらをきれいにする。
  論文  参考訳（メタデータ） (2021-08-21T09:08:41Z)
• 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)
• Occlusion-Adaptive Deep Network for Robust Facial Expression Recognition [56.11054589916299]
  本研究では,隠蔽領域から腐敗した特徴を発見・破棄するためのランドマーク誘導型アテンションブランチを提案する。 注意マップが最初に作成され、特定の顔部が閉鎖されているかどうかを示し、我々のモデルを非閉鎖領域に誘導する。 これにより、顔が部分的に隠されている場合でも、表情認識システムが回復することができる。
  論文  参考訳（メタデータ） (2020-05-12T20:42:55Z)
• Dual-Attention GAN for Large-Pose Face Frontalization [59.689836951934694]
  本稿では,フォトリアリスティック顔フロンダル化のためのDA-GAN(Dual-Attention Generative Adversarial Network)を提案する。 具体的には、ローカル機能と長距離依存関係を統合するために、自己アテンションベースのジェネレータが導入された。 顔領域の局所的特徴を強調するために,新しい顔認識に基づく識別器を適用した。
  論文  参考訳（メタデータ） (2020-02-17T20:00:56Z)
• Verifying Deep Learning-based Decisions for Facial Expression Recognition [0.8137198664755597]
  我々は、ニューラルネットワークを用いて表情を分類し、画素ベースの説明を作成する。 顔領域に対するバウンディングボックス法に基づいて,これらの視覚的説明を定量化する。 以上の結果から,ニューラルネットワークは最先端の結果を達成できることが示されたが,視覚的説明から,関連する顔面領域を考慮できないことが明らかとなった。
  論文  参考訳（メタデータ） (2020-02-14T15:59:32Z)
• Exploiting Semantics for Face Image Deblurring [121.44928934662063]
  本稿では,深層畳み込みニューラルネットワークによる意味的手がかりを利用して,効果的かつ効率的な顔分解アルゴリズムを提案する。 顔のセマンティックラベルを入力先として組み込んで,顔の局所構造を正規化するための適応的構造損失を提案する。 提案手法は、より正確な顔の特徴と細部を持つシャープ画像を復元する。
  論文  参考訳（メタデータ） (2020-01-19T13:06:27Z)

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。