論文の概要: Masked Face Dataset Generation and Masked Face Recognition

• arxiv url: http://arxiv.org/abs/2311.07475v1
• Date: Mon, 13 Nov 2023 17:09:57 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-14 13:19:42.293989
• Title: Masked Face Dataset Generation and Masked Face Recognition
• Title（参考訳）: マスク顔データセット生成とマスク顔認識
• Authors: Rui Cai, Xuying Ning, Peter N. Belhumeur
• Abstract要約: パンデミック後の時代には、フェイスマスクを着用することは、通常の顔認識に大きな課題をもたらしてきた。 モデルを現実世界の状況に適応させるために、より困難なマスク付き顔データセットを作成しました。 50のアイデンティティMFR上での最良のテスト精度は95%に達した。
• 参考スコア（独自算出の注目度）: 2.4377103193902703
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In the post-pandemic era, wearing face masks has posed great challenge to the ordinary face recognition. In the previous study, researchers has applied pretrained VGG16, and ResNet50 to extract features on the elaborate curated existing masked face recognition (MFR) datasets, RMFRD and SMFRD. To make the model more adaptable to the real world situation where the sample size is smaller and the camera environment has greater changes, we created a more challenging masked face dataset ourselves, by selecting 50 identities with 1702 images from Labelled Faces in the Wild (LFW) Dataset, and simulated face masks through key point detection. The another part of our study is to solve the masked face recognition problem, and we chose models by referring to the former state of the art results, instead of directly using pretrained models, we fine tuned the model on our new dataset and use the last linear layer to do the classification directly. Furthermore, we proposed using data augmentation strategy to further increase the test accuracy, and fine tuned a new networks beyond the former study, one of the most SOTA networks, Inception ResNet v1. The best test accuracy on 50 identity MFR has achieved 95%.
• Abstract（参考訳）: ポストパンデミック時代には、顔のマスクを着用することは、普通の顔認識に大きな課題となった。 前回の研究では、事前訓練されたVGG16とResNet50を使用して、精巧にキュレートされた既存のマスク顔認識(MFR)データセット、RMFRDとSMFRDの特徴を抽出した。 サンプルサイズが小さく、カメラ環境が大きく変化した実世界の状況に適応できるように、我々は、野生(LFW)データセットにおけるLabelled Facesから50のIDと1702の画像を選択し、キーポイント検出によってシミュレーションされたフェイスマスクを選択し、より挑戦的なマスクデータセットを作成しました。 研究のもう1つの部分は、マスク付き顔認識の問題を解決することであり、私たちは、事前訓練されたモデルを直接使用する代わりに、事前訓練されたモデルではなく、モデルを選択し、新しいデータセット上でモデルを微調整し、最終線形層を使用して、直接分類を行った。 さらに,テスト精度をさらに高めるためにデータ拡張戦略を用いることを提案し,最も sota ネットワークである inception resnet v1 の先行研究を超えて,新たなネットワークを微調整した。 50のアイデンティティMFR上での最良のテスト精度は95%に達した。

関連論文リスト

• Toward High Quality Facial Representation Learning [58.873356953627614]
  我々はMask Contrastive Face (MCF)と呼ばれる自己教師型事前学習フレームワークを提案する。 トレーニング済みの視覚バックボーンの特徴マップを監視項目として使用し、マスク画像モデリングに部分的にトレーニング済みのデコーダを使用する。 このモデルはAFLW-19顔アライメントの0.932 NME_diag$とLaPa顔解析の93.96 F1スコアを達成する。
  論文  参考訳（メタデータ） (2023-09-07T09:11:49Z)
• Ensemble Learning using Transformers and Convolutional Networks for Masked Face Recognition [1.0742675209112622]
  マスク着用は、新型コロナウイルスの感染拡大を抑えるため、私たちが従わなければならなかった調整の1つです。 現在の顔認識システムは、制約のない一般的な顔認識ケースを扱う場合、極めて高精度である。 本研究では,2つの畳み込みニューラルネットワーク(CNN)モデルと2つのトランスフォーマーモデルからなるマスク型顔認識システムを提案する。
  論文  参考訳（メタデータ） (2022-10-10T16:25:13Z)
• FaceMAE: Privacy-Preserving Face Recognition via Masked Autoencoders [81.21440457805932]
  顔のプライバシと認識性能を同時に考慮する新しいフレームワークFaceMAEを提案する。 ランダムにマスクされた顔画像は、FaceMAEの再構築モジュールのトレーニングに使用される。 また、いくつかの公開顔データセット上で十分なプライバシー保護顔認証を行う。
  論文  参考訳（メタデータ） (2022-05-23T07:19:42Z)
• Mask-invariant Face Recognition through Template-level Knowledge Distillation [3.727773051465455]
  マスクは従来の顔認識システムの性能に影響を与える。 マスク不変顔認識ソリューション(MaskInv)を提案する。 蒸留された知識に加えて、学生ネットワークは、マージンベースのアイデンティティ分類損失による追加ガイダンスの恩恵を受ける。
  論文  参考訳（メタデータ） (2021-12-10T16:19:28Z)
• Balanced Masked and Standard Face Recognition [1.2149550080095914]
  ICCV 2021のマスク付き顔認識チャレンジのWebfaceトラックとInsightface/Glint360Kトラックのための改良されたネットワークアーキテクチャ、データ拡張、トレーニング戦略について述べる。
  論文  参考訳（メタデータ） (2021-10-04T15:41:05Z)
• 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)
• Masked Face Recognition Challenge: The WebFace260M Track Report [81.57455766506197]
  ICCV 2021におけるバイオメトリクスとマスク付き顔認識チャレンジ WebFace260M Trackは、実用的なMFRのフロンティアを推進することを目的としている。 WebFace260M Trackの第1フェーズでは、69のチーム(トータル833ソリューション)がこの課題に参加している。 この挑戦には2021年10月1日までの第2フェーズと、進行中のリーダーボードがある。
  論文  参考訳（メタデータ） (2021-08-16T15:51:51Z)
• Boosting Masked Face Recognition with Multi-Task ArcFace [0.973681576519524]
  新型コロナウイルス(COVID-19)による世界的な健康危機を考えると、口と鼻を覆うマスクは日常の衣服に欠かせないものになっています。 この尺度は、マスクされた顔で機能するよう設計されていないため、最先端の顔認識モデルをロープに乗せている。 完全なトレーニングパイプラインがArcFace作業に基づいて提示され、バックボーンとロス関数のいくつかの修正が行われている。
  論文  参考訳（メタデータ） (2021-04-20T10:12:04Z)
• Contrastive Context-Aware Learning for 3D High-Fidelity Mask Face Presentation Attack Detection [103.7264459186552]
  顔認識システムには、顔提示攻撃検出(PAD)が不可欠である。 ほとんどの既存の3DマスクPADベンチマークにはいくつかの欠点があります。 現実世界のアプリケーションとのギャップを埋めるために、大規模なハイファイアリティマスクデータセットを紹介します。
  論文  参考訳（メタデータ） (2021-04-13T12:48:38Z)
• Masked Face Recognition Dataset and Application [28.2082082956263]
  本研究では,MFDD(Masked Face Detection dataset),RMFRD(Real-world Masked Face Recognition dataset),SMFRD(Simulated Masked Face Recognition dataset)の3種類のマスク付き顔データセットを提案する。 開発したマルチグラニュラリティマスク顔認証モデルは,業界が報告した結果を上回る95%の精度を実現している。
  論文  参考訳（メタデータ） (2020-03-20T04:15:19Z)
• DotFAN: A Domain-transferred Face Augmentation Network for Pose and Illumination Invariant Face Recognition [94.96686189033869]
  本稿では,3次元モデルを用いたドメイン転送型顔強調ネットワーク(DotFAN)を提案する。 DotFANは、他のドメインから収集された既存のリッチフェイスデータセットから抽出された知識に基づいて、入力顔の一連の変種を生成することができる。 実験によると、DotFANは、クラス内の多様性を改善するために、小さな顔データセットを増やすのに有益である。
  論文  参考訳（メタデータ） (2020-02-23T08:16:34Z)

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。