論文の概要: Open-Set Face Recognition with Maximal Entropy and Objectosphere Loss
- arxiv url: http://arxiv.org/abs/2311.00400v1
- Date: Wed, 1 Nov 2023 09:52:02 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-02 14:06:44.379514
- Title: Open-Set Face Recognition with Maximal Entropy and Objectosphere Loss
- Title（参考訳）: 最大エントロピーと物体圏損失を考慮したオープンセット顔認識
- Authors: Rafael Henrique Vareto, Yu Linghu, Terrance E. Boult, William Robson
Schwartz, Manuel G\"unther
- Abstract要約: この作業は、低い偽陽性識別率で動作することが期待されるオープンセットタスクであるウォッチリストに集中する。
コスト関数と組み合わせることで、付加的な負の顔画像の利点を享受できるコンパクトなアダプタネットワークを導入する。
提案手法では,顔認識を特徴抽出器として,事前学習したディープニューラルネットワーク(DNN)を採用する。
- 参考スコア（独自算出の注目度）: 7.710785884166695
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Open-set face recognition characterizes a scenario where unknown individuals,
unseen during the training and enrollment stages, appear on operation time.
This work concentrates on watchlists, an open-set task that is expected to
operate at a low False Positive Identification Rate and generally includes only
a few enrollment samples per identity. We introduce a compact adapter network
that benefits from additional negative face images when combined with distinct
cost functions, such as Objectosphere Loss (OS) and the proposed Maximal
Entropy Loss (MEL). MEL modifies the traditional Cross-Entropy loss in favor of
increasing the entropy for negative samples and attaches a penalty to known
target classes in pursuance of gallery specialization. The proposed approach
adopts pre-trained deep neural networks (DNNs) for face recognition as feature
extractors. Then, the adapter network takes deep feature representations and
acts as a substitute for the output layer of the pre-trained DNN in exchange
for an agile domain adaptation. Promising results have been achieved following
open-set protocols for three different datasets: LFW, IJB-C, and UCCS as well
as state-of-the-art performance when supplementary negative data is properly
selected to fine-tune the adapter network.
- Abstract（参考訳）: オープンセット顔認識は、訓練や入学の段階で見えない未知の個人が手術時間に現れるシナリオを特徴付ける。
この作業は、低い偽陽性識別率で動作することが期待されるオープンセットタスクである、ウォッチリストに集中しており、一般的には、アイデンティティ当たりの登録サンプルはわずかである。
我々は,Objectosphere Loss (OS) や提案するMaximal Entropy Loss (MEL) などのコスト関数と組み合わせることで,付加的な負の顔画像の恩恵を受けるコンパクトなアダプタネットワークを提案する。
melは従来のクロスエントロピー損失を修正し、負のサンプルのエントロピーを増やし、ギャラリーの専門化に従って既知のターゲットクラスにペナルティを課す。
提案手法では,顔認識を特徴抽出器として,事前学習したディープニューラルネットワーク(DNN)を採用する。
そして、アダプタネットワークは、深い特徴表現を取り、アジャイルドメイン適応と引き換えに、事前訓練されたDNNの出力層の代わりに機能する。
LFW, IJB-C, UCCSの3つの異なるデータセットに対するオープンセットプロトコルと, アダプタネットワークを微調整するために, 補足的負のデータが適切に選択された場合の最先端性能の結果が得られた。
関連論文リスト
- PseudoNeg-MAE: Self-Supervised Point Cloud Learning using Conditional Pseudo-Negative Embeddings [55.55445978692678]
PseudoNeg-MAEは,ポイントマスク自動エンコーダのグローバルな特徴表現を強化する,自己教師型学習フレームワークである。
PseudoNeg-MAE は ModelNet40 と ScanObjectNN のデータセット上で最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2024-09-24T07:57:21Z) - Enhancing Vision-Language Few-Shot Adaptation with Negative Learning [11.545127156146368]
我々は,タスク固有の知識をより効率的に活用するための,シンプルで効果的な否定的学習手法SimNLを提案する。
そこで本研究では,雑音を緩和するために,プラグアンドプレイによる数発のインスタンス再重み付け手法を提案する。
提案したSimNLは,少数ショット学習とドメイン一般化の両タスクにおいて,既存の最先端手法よりも優れていることを確認した。
論文 参考訳（メタデータ） (2024-03-19T17:59:39Z) - Enhancing Few-shot CLIP with Semantic-Aware Fine-Tuning [61.902254546858465]
Contrastive Language-Image Pre-Trainingに基づく手法は、数発の適応タスクで有望な性能を示した。
本稿では,タスク固有のセマンティクスに焦点を合わせるために,トレーニングプロセス中にアテンションプーリング層のパラメータを微調整することを提案する。
論文 参考訳（メタデータ） (2023-11-08T05:18:57Z) - Fine-grained Recognition with Learnable Semantic Data Augmentation [68.48892326854494]
きめ細かい画像認識は、長年続くコンピュータビジョンの課題である。
本稿では,識別領域損失問題を軽減するため,特徴レベルのトレーニングデータを多様化することを提案する。
本手法は,いくつかの人気分類ネットワーク上での一般化性能を著しく向上させる。
論文 参考訳（メタデータ） (2023-09-01T11:15:50Z) - Open-set Face Recognition with Neural Ensemble, Maximal Entropy Loss and
Feature Augmentation [1.8047694351309207]
オープンセット顔認識(Open-set Face Recognition)とは、生体認証システムが既存の全ての被験者について不完全な知識を持つシナリオを指す。
この研究は、コンパクトニューラルネットワークのアンサンブルとマージンベースのコスト関数を関連付ける新しい手法を導入する。
我々は、よく知られたLFWとIJB-Cデータセットで実験を行い、その結果、アプローチがクローズドおよびオープンセットの識別率を高めることができることを示す。
論文 参考訳（メタデータ） (2023-08-23T18:22:03Z) - Adaptive Face Recognition Using Adversarial Information Network [57.29464116557734]
顔認識モデルは、トレーニングデータがテストデータと異なる場合、しばしば退化する。
本稿では,新たな敵情報ネットワーク(AIN)を提案する。
論文 参考訳（メタデータ） (2023-05-23T02:14:11Z) - Implementing a foveal-pit inspired filter in a Spiking Convolutional
Neural Network: a preliminary study [0.0]
我々は,網膜卵管刺激によるガウスフィルタとランク順符号化の差異を取り入れたスポーキング畳み込みニューラルネットワーク(SCNN)を提示した。
このモデルは、Nengoライブラリーで実装されているように、スパイキングニューロンで動作するように適応されたバックプロパゲーションアルゴリズムの変種を用いて訓練される。
ネットワークは最大90%の精度で達成され、損失はクロスエントロピー関数を用いて計算される。
論文 参考訳（メタデータ） (2021-05-29T15:28:30Z) - Adversarial Feature Augmentation and Normalization for Visual
Recognition [109.6834687220478]
最近のコンピュータビジョンの進歩は、分類モデルの一般化能力を改善するために、逆データ拡張を利用する。
本稿では,中間的特徴埋め込みにおける敵対的拡張を提唱する効率的かつ効率的な代替手法を提案する。
代表的なバックボーンネットワークを用いて,多様な視覚認識タスクにまたがる提案手法を検証する。
論文 参考訳（メタデータ） (2021-03-22T20:36:34Z) - BioMetricNet: deep unconstrained face verification through learning of
metrics regularized onto Gaussian distributions [25.00475462213752]
深層非拘束顔認証のための新しいフレームワークであるBioMetricNetを提案する。
提案手法では、顔の特徴について具体的な指標を課していない。
マッチングと非マッチングのペアを、明確に分離された、よく定義されたターゲット分布にマッピングする潜在表現を学習することで、決定空間を形成する。
論文 参考訳（メタデータ） (2020-08-13T17:22:46Z) - Resolution Adaptive Networks for Efficient Inference [53.04907454606711]
本稿では,低分解能表現が「容易」な入力を分類するのに十分である,という直感に触発された新しいレゾリューション適応ネットワーク(RANet)を提案する。
RANetでは、入力画像はまず、低解像度表現を効率的に抽出する軽量サブネットワークにルーティングされる。
ネットワーク内の高解像度パスは、"ハード"サンプルを認識する能力を維持している。
論文 参考訳（メタデータ） (2020-03-16T16:54:36Z)
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。