Fugu-MT 論文翻訳(概要): CCFace: Classification Consistency for Low-Resolution Face Recognition

論文の概要: CCFace: Classification Consistency for Low-Resolution Face Recognition

arxiv url: http://arxiv.org/abs/2308.09230v1
Date: Fri, 18 Aug 2023 01:24:52 GMT
ステータス: 処理完了
システム内更新日: 2023-08-21 15:06:46.698584
Title: CCFace: Classification Consistency for Low-Resolution Face Recognition
Title（参考訳）: CCFace: 低解像度顔認識のための分類一貫性
Authors: Mohammad Saeed Ebrahimi Saadabadi, Sahar Rahimi Malakshan, Hossein Kashiani, Nasser M. Nasrabadi
Abstract要約: TinyFaceやSCFaceのような現実の低解像度のベンチマークに適用した場合、ディープフェイス認識手法はパフォーマンスを著しく低下させる。本稿では,学習した分類器を高分解能モデルから低分解能ネットワークへ変換する新しい分類整合性知識蒸留手法を提案する。提案手法は,高分解能ベンチマークの性能を維持しながら,TinyFaceを3%改善した。
参考スコア（独自算出の注目度）: 12.129404936688752
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In recent years, deep face recognition methods have demonstrated impressive results on in-the-wild datasets. However, these methods have shown a significant decline in performance when applied to real-world low-resolution benchmarks like TinyFace or SCFace. To address this challenge, we propose a novel classification consistency knowledge distillation approach that transfers the learned classifier from a high-resolution model to a low-resolution network. This approach helps in finding discriminative representations for low-resolution instances. To further improve the performance, we designed a knowledge distillation loss using the adaptive angular penalty inspired by the success of the popular angular margin loss function. The adaptive penalty reduces overfitting on low-resolution samples and alleviates the convergence issue of the model integrated with data augmentation. Additionally, we utilize an asymmetric cross-resolution learning approach based on the state-of-the-art semi-supervised representation learning paradigm to improve discriminability on low-resolution instances and prevent them from forming a cluster. Our proposed method outperforms state-of-the-art approaches on low-resolution benchmarks, with a three percent improvement on TinyFace while maintaining performance on high-resolution benchmarks.
Abstract（参考訳）: 近年、深層顔認証法は、現在地にあるデータセットに顕著な結果を示している。しかし、これらの手法はTinyFaceやSCFaceのような現実世界の低解像度のベンチマークに適用した場合、性能が著しく低下している。そこで本研究では,学習した分類器を高分解能モデルから低分解能ネットワークへ変換する新しい分類整合知識蒸留手法を提案する。このアプローチは、低解像度インスタンスの識別表現を見つけるのに役立つ。さらに性能を向上させるために,人気の角縁損失関数の成功に触発された適応角ペナルティを用いて,知識蒸留損失の設計を行った。アダプティブペナルティは低解像度サンプルの過剰フィッティングを低減し、データ拡張に統合されたモデルの収束問題を緩和する。さらに,最先端の半教師付き表現学習パラダイムに基づく非対称クロスレゾリューション学習手法を用いて,低レゾリューションインスタンスの識別性を改善し,クラスタ形成を防止する。提案手法は,高分解能ベンチマークの性能を維持しつつ,tinyfaceを3%改善し,低分解能ベンチマークの最先端手法を上回っている。

関連論文リスト

Looking for Tiny Defects via Forward-Backward Feature Transfer [12.442574943138794]
そこで本研究では,従来の高解像度画像と地中トラスマスクの手法を評価する新しいベンチマークを提案する。私たちのベンチマークには、欠陥サイズに関する堅牢性をキャプチャするメトリクスが含まれています。提案手法は,欠陥サイズに対する高いロバスト性,高速動作,最先端セグメンテーション性能を特徴とする。
論文参考訳（メタデータ） (2024-07-04T17:59:26Z)
Anti-Collapse Loss for Deep Metric Learning Based on Coding Rate Metric [99.19559537966538]
DMLは、分類、クラスタリング、検索といった下流タスクのための識別可能な高次元埋め込み空間を学習することを目的としている。埋め込み空間の構造を維持し,特徴の崩壊を避けるために,反崩壊損失と呼ばれる新しい損失関数を提案する。ベンチマークデータセットの総合実験により,提案手法が既存の最先端手法より優れていることを示す。
論文参考訳（メタデータ） (2024-07-03T13:44:20Z)
Gradient constrained sharpness-aware prompt learning for vision-language models [99.74832984957025]
本稿では,視覚言語モデル(VLM)の一般化可能な即時学習における新たなトレードオフ問題を提案する。最先端手法のロスランドスケープとSAMに基づくバニラシャープネス認識最小化法を解析することにより、トレードオフ性能は損失値と損失シャープネスの両方に相関していると結論付けた。本稿では,GCSCoOp (Gradient Constrained Sharpness-Aware Context Optimization) と表記される,素早い学習のためのSAMベースの新しい手法を提案する。
論文参考訳（メタデータ） (2023-09-14T17:13:54Z)
Small Object Detection via Coarse-to-fine Proposal Generation and Imitation Learning [52.06176253457522]
本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。 CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
論文参考訳（メタデータ） (2023-08-18T13:13:09Z)
Cross-resolution Face Recognition via Identity-Preserving Network and Knowledge Distillation [12.090322373964124]
クロスレゾリューション顔認識は、現代の深層顔認識システムにとって難しい問題である。本稿では,低分解能画像の低周波成分に蓄積される識別情報にネットワークを集中させる新しい手法を提案する。
論文参考訳（メタデータ） (2023-03-15T14:52:46Z)
Dive into the Resolution Augmentations and Metrics in Low Resolution Face Recognition: A Plain yet Effective New Baseline [33.82038623492457]
我々は高分解能(HR)ドメインと低分解能(LR)ドメインの間の大きなドメインギャップに対処する。より効果的なマルチリゾリューション拡張と,LogExp距離関数に基づく新しいメトリクス損失を提案する。提案手法は,画像の広い解像度範囲でより一般的な知識を学習することができ,バランスのとれた結果が,我々のフレームワークによって達成できる。
論文参考訳（メタデータ） (2023-02-11T07:31:47Z)
Octuplet Loss: Make Face Recognition Robust to Image Resolution [5.257115841810258]
本稿では,画像解像度に対するロバスト性を改善するために,人気三重項損失の新たな組み合わせを提案する。我々は,高分解能画像とそれらの合成ダウンサンプリング変異体との関係をアイデンティティラベルと組み合わせて活用する。本手法は, クロスレゾリューション (高分解能) 顔認証の性能を著しく向上させることができることを示す。
論文参考訳（メタデータ） (2022-07-14T08:22:58Z)
Uncovering the Over-smoothing Challenge in Image Super-Resolution: Entropy-based Quantification and Contrastive Optimization [67.99082021804145]
我々はDetail Enhanced Contrastive Loss (DECLoss)と呼ばれるCOO問題に対する明確な解決策を提案する。 DECLossはコントラスト学習のクラスタリング特性を利用して、潜在的な高分解能分布の分散を直接的に低減する。我々は複数の超高解像度ベンチマーク上でDECLosを評価し,PSNR指向モデルの知覚品質を向上させることを実証した。
論文参考訳（メタデータ） (2022-01-04T08:30:09Z)
Hierarchical Deep CNN Feature Set-Based Representation Learning for Robust Cross-Resolution Face Recognition [59.29808528182607]
クロスリゾリューション顔認識(CRFR)は、インテリジェントな監視およびバイオメトリックフォレンジックにおいて重要である。既存の浅層学習と深層学習に基づく手法は、HR-LR対を共同特徴空間にマッピングすることに焦点を当てている。本研究では,多レベル深層畳み込みニューラルネットワーク(CNN)の機能を完全に活用し,堅牢なCRFRを実現することを目的とする。
論文参考訳（メタデータ） (2021-03-25T14:03:42Z)
Invertible Image Rescaling [118.2653765756915]
Invertible Rescaling Net (IRN) を開発した。我々は、ダウンスケーリングプロセスにおいて、指定された分布に従う潜在変数を用いて、失われた情報の分布をキャプチャする。
論文参考訳（メタデータ） (2020-05-12T09:55:53Z)
Feature Super-Resolution Based Facial Expression Recognition for Multi-scale Low-Resolution Faces [7.634398926381845]
超解像法はしばしば低分解能画像の高精細化に使用されるが、FERタスクの性能は極低分解能画像では制限される。本研究では,物体検出のための特徴的超解像法に触発されて,頑健な表情認識のための新たな生成逆ネットワークに基づく超解像法を提案する。
論文参考訳（メタデータ） (2020-04-05T15:38:47Z)

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。