論文の概要: Autoencoder Based Face Verification System

• arxiv url: http://arxiv.org/abs/2312.14301v2
• Date: Thu, 8 Feb 2024 02:09:01 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-09 18:34:16.278462
• Title: Autoencoder Based Face Verification System
• Title（参考訳）: オートエンコーダに基づく顔認証システム
• Authors: Enoch Solomon, Abraham Woubie and Eyael Solomon Emiru
• Abstract要約: この研究の主な目的は、ラベル付きデータへの依存を減らすことを目的とした代替アプローチを提案することである。 提案手法では,顔画像認識タスク内でのオートエンコーダの事前学習を2段階のプロセスで行う。 実験により、事前訓練されたオートエンコーダパラメータでディープニューラルネットワークを初期化することにより、最先端の手法に匹敵する結果が得られることが示された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: The primary objective of this work is to present an alternative approach aimed at reducing the dependency on labeled data. Our proposed method involves utilizing autoencoder pre-training within a face image recognition task with two step processes. Initially, an autoencoder is trained in an unsupervised manner using a substantial amount of unlabeled training dataset. Subsequently, a deep learning model is trained with initialized parameters from the pre-trained autoencoder. This deep learning training process is conducted in a supervised manner, employing relatively limited labeled training dataset. During evaluation phase, face image embeddings is generated as the output of deep neural network layer. Our training is executed on the CelebA dataset, while evaluation is performed using benchmark face recognition datasets such as Labeled Faces in the Wild (LFW) and YouTube Faces (YTF). Experimental results demonstrate that by initializing the deep neural network with pre-trained autoencoder parameters achieve comparable results to state-of-the-art methods.
• Abstract（参考訳）: この研究の主な目的は、ラベル付きデータへの依存性を減らすための代替アプローチを提供することである。 提案手法は,顔画像認識タスクにおけるオートエンコーダの事前学習を2ステッププロセスで行う。 当初、オートエンコーダは大量のラベルのないトレーニングデータセットを使用して教師なしの方法でトレーニングされる。 その後、事前訓練されたオートエンコーダから初期化パラメータでディープラーニングモデルを訓練する。 このディープラーニングトレーニングプロセスは、比較的限られたラベル付きトレーニングデータセットを用いて教師付き方法で実行される。 評価フェーズでは、ディープニューラルネットワーク層の出力として顔画像埋め込みを生成する。 トレーニングはCelebAデータセット上で行われ、評価はLFW(Labeled Faces in the Wild)やYTF(YouTube Faces)といったベンチマーク顔認識データセットを用いて行われる。 実験の結果、事前学習されたオートエンコーダパラメータでディープニューラルネットワークを初期化することで、最先端の手法に匹敵する結果が得られることがわかった。

関連論文リスト

• Enhancing Hyperspectral Image Prediction with Contrastive Learning in Low-Label Regime [0.810304644344495]
  自己教師付きコントラスト学習は、限られたラベル付きデータの課題に対処するための効果的なアプローチである。 単一ラベルと複数ラベルの分類タスクに対して,本手法の性能を評価する。
  論文  参考訳（メタデータ） (2024-10-10T10:20:16Z)
• UniForensics: Face Forgery Detection via General Facial Representation [60.5421627990707]
  高レベルの意味的特徴は摂動の影響を受けにくく、フォージェリー固有の人工物に限らないため、より強い一般化がある。 我々は、トランスフォーマーベースのビデオネットワークを活用する新しいディープフェイク検出フレームワークUniForensicsを導入し、顔の豊かな表現のためのメタファンクショナルな顔分類を行う。
  論文  参考訳（メタデータ） (2024-07-26T20:51:54Z)
• Deep Learning Based Face Recognition Method using Siamese Network [0.0]
  本稿では,顔画像のラベル付けの必要性を解消し,顔認識にSiameseネットワークを採用することを提案する。 我々は、近隣の隣り合う負のサンプルを戦略的に活用することで、これを実現する。 提案した教師なしシステムは、類似しているが完全に教師付きベースラインと同等のパフォーマンスを提供する。
  論文  参考訳（メタデータ） (2023-12-21T16:35:11Z)
• MENTOR: Human Perception-Guided Pretraining for Increased Generalization [5.596752018167751]
  MENTOR (huMan pErceptioN-guided preTraining fOr increased geneRalization) を紹介する。 我々は、クラスラベルを使わずに、入力された画像からヒトの唾液マップを学習するためにオートエンコーダを訓練する。 我々は、デコーダ部分を取り除き、エンコーダの上に分類層を追加し、従来の新しいモデルを微調整する。
  論文  参考訳（メタデータ） (2023-10-30T13:50:44Z)
• Supervised Homography Learning with Realistic Dataset Generation [60.934401870005026]
  生成フェーズとトレーニングフェーズの2つのフェーズからなる反復的なフレームワークを提案する。 生成段階では、ラベルのない画像対が与えられた場合、事前に推定された支配的な平面マスクとペアのホモグラフィを利用する。 トレーニングフェーズでは、生成されたデータを使用して、教師付きホモグラフィネットワークをトレーニングする。
  論文  参考訳（メタデータ） (2023-07-28T07:03:18Z)
• Cluster-level pseudo-labelling for source-free cross-domain facial expression recognition [94.56304526014875]
  表情認識のためのSFUDA法を提案する。 本手法は,自己教師付き事前学習を利用して,対象データから優れた特徴表現を学習する。 提案手法の有効性を4つの適応方式で検証し,FERに適用した場合,既存のSFUDA法より一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2022-10-11T08:24:50Z)
• Neural Maximum A Posteriori Estimation on Unpaired Data for Motion Deblurring [87.97330195531029]
  本稿では、ニューラルネットワークをトレーニングし、失明したデータから視覚情報や鋭いコンテンツを復元するためのニューラルネットワークの最大Aポストエリオリ(NeurMAP)推定フレームワークを提案する。 提案されたNeurMAPは、既存のデブロアリングニューラルネットワークに対するアプローチであり、未使用データセット上のイメージデブロアリングネットワークのトレーニングを可能にする最初のフレームワークである。
  論文  参考訳（メタデータ） (2022-04-26T08:09:47Z)
• Complex Human Action Recognition in Live Videos Using Hybrid FR-DL Method [1.027974860479791]
  入力シーケンス中の代表フレームの自動選択により,前処理フェーズの課題に対処する。 本稿では,バックグラウンドサブトラクションとHOGを用いたハイブリッド手法を提案し,続いて深層ニューラルネットワークと骨格モデリング手法を適用した。 本稿では,このモデルをFR-DL(Feature Reduction & Deep Learning based action recognition method)と呼ぶ。
  論文  参考訳（メタデータ） (2020-07-06T15:12:50Z)
• Auto-Rectify Network for Unsupervised Indoor Depth Estimation [119.82412041164372]
  ハンドヘルド環境に現れる複雑な自我運動が,学習深度にとって重要な障害であることが確認された。 本稿では,相対回転を除去してトレーニング画像の修正を効果的に行うデータ前処理手法を提案する。 その結果、従来の教師なしSOTA法よりも、難易度の高いNYUv2データセットよりも優れていた。
  論文  参考訳（メタデータ） (2020-06-04T08:59:17Z)
• Omni-supervised Facial Expression Recognition via Distilled Data [120.11782405714234]
  ネットワークトレーニングにおいて,信頼度の高いサンプルを多量のラベルのないデータで活用するためのオムニ教師付き学習を提案する。 我々は,新しいデータセットが学習したFERモデルの能力を大幅に向上させることができることを実験的に検証した。 そこで本研究では,生成したデータセットを複数のクラスワイド画像に圧縮するために,データセット蒸留戦略を適用することを提案する。
  論文  参考訳（メタデータ） (2020-05-18T09:36:51Z)

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。