Fugu-MT 論文翻訳(概要): Enhanced Facial Feature Extraction and Recignation Using Optimal Fully Dispersed Haar-like Filters

論文の概要: Enhanced Facial Feature Extraction and Recignation Using Optimal Fully Dispersed Haar-like Filters

arxiv url: http://arxiv.org/abs/2404.10476v3
Date: Thu, 12 Dec 2024 04:55:41 GMT
ステータス: 翻訳完了
システム内更新日: 2024-12-13 17:00:43.261280
Title: Enhanced Facial Feature Extraction and Recignation Using Optimal Fully Dispersed Haar-like Filters
Title（参考訳）: 完全分散Haar-likeフィルタを用いた顔の特徴抽出と認識の高度化
Authors: Zeinab Sedaghatjoo, Hossein Hosseinzadeh, Ahmad shirzadi,
Abstract要約: 本稿では,顔の特徴抽出と再帰性を高めるために,完全分散Haarライクなフィルタを最適に同定するアルゴリズムを提案する。従来のHaarライクなフィルターとは異なり、これらの新しいフィルターはピクセルを画像内に自由に移動させ、複雑な局所的な特徴をより効果的に捉えることができる。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: Haar-like filters are renowned for their simplicity, speed, and accuracy in various computer vision tasks. This paper proposes a novel algorithm to identify optimal fully dispersed Haar-like filters for enhanced facial feature extraction and recognation. Unlike traditional Haar-like filters, these novel filters allow pixels to move freely within images, enabling more effictive capture of intricate local features...
Abstract（参考訳）: ハールライクなフィルタは、様々なコンピュータビジョンタスクにおいて、その単純さ、速度、正確さで有名である。本稿では,顔の特徴抽出と再帰性を高めるために,完全分散Haarライクなフィルタを最適に同定するアルゴリズムを提案する。従来のHaarライクなフィルターとは違って、これらの新しいフィルターにより、ピクセルは画像内で自由に動き、複雑な局所的な特徴をより効果的に捉えることができる。

関連論文リスト

FaceFilterSense: A Filter-Resistant Face Recognition and Facial Attribute Analysis Framework [1.673834743879962]
面白い自撮りフィルターは、顔の生体認証システムの機能に大きく影響を与えている。現在、顔のキーポイントを歪めているARベースのフィルターやフィルターは、最近流行し、裸眼でも顔が認識不能になっている。これらの制約を緩和するため、我々は最新のフィルタの全体的影響分析を行い、フィルタ画像を用いたユーザ認識モデルを提案する。
論文参考訳（メタデータ） (2024-04-12T07:04:56Z)
Polarization Multi-Image Synthesis with Birefringent Metasurfaces [3.2428991403246834]
偏光性モザイク光センサを用いた複屈折型準曲面を用いた4つの光符号化計測を単一露光で取得するシステムを提案する。本稿では,デジタル空間フィルタリング操作をより単純なピクセル単位の和に置き換える,非コヒーレントな光電子フィルタリングのタスクに適用する。
論文参考訳（メタデータ） (2023-07-16T17:14:39Z)
RSFNet: A White-Box Image Retouching Approach using Region-Specific Color Filters [25.666027585116176]
RSFNetと呼ばれる並列領域固有のフィルタを用いた写真修正のためのホワイトボックスフレームワークを開発した。本モデルでは,各フィルタの領域のフィルタ引数とアテンションマップを同時に生成する。この実験により,RCFNetは審美的魅力とユーザ利便性を向上し,編集可能なホワイトボックスのリタッチを実現することができた。
論文参考訳（メタデータ） (2023-03-15T15:11:31Z)
Image Edge Restoring Filter [4.060948640328565]
局所平滑化フィルタの出力におけるぼやけたエッジ画素をクリアに復元するための画像エッジ復元フィルタ(ERF)を提案する。提案フィルタは,多くの局所スムースティングフィルタの後に実装できる。
論文参考訳（メタデータ） (2021-12-27T07:02:01Z)
Reverse image filtering using total derivative approximation and accelerated gradient descent [82.93345261434943]
線形あるいは非線形な画像フィルタの効果を逆転する新たな問題に対処する。この仮定では、フィルタのアルゴリズムは未知であり、フィルタはブラックボックスとして利用できる。この逆問題を、局所的なパッチベースのコスト関数の最小化として定式化し、全導関数を用いて勾配勾配の勾配を近似し、問題を解く。
論文参考訳（メタデータ） (2021-12-08T05:16:11Z)
On the Effect of Selfie Beautification Filters on Face Detection and Recognition [53.561797148529664]
ソーシャルメディア画像フィルターは、例えば人工眼鏡や動物の鼻で、画像コントラスト、照明、あるいは顔の一部を妨げる。 U-NETセグメンテーションネットワークの修正版を用いて適用操作を再構築する手法を開発した。認識の観点からは、顔を認識するために訓練されたResNet-34ネットワークを用いて抽出された特徴に対して、距離測定と訓練された機械学習アルゴリズムを用いる。
論文参考訳（メタデータ） (2021-10-17T22:10:56Z)
Learning Versatile Convolution Filters for Efficient Visual Recognition [125.34595948003745]
本稿では,効率的な畳み込みニューラルネットワーク構築のための多目的フィルタを提案する。本稿では,ネットワークの複雑性に関する理論的解析を行い,効率的な畳み込み手法を提案する。ベンチマークデータセットとニューラルネットワークの実験結果は、我々の汎用フィルタが元のフィルタと同等の精度を達成できることを実証している。
論文参考訳（メタデータ） (2021-09-20T06:07:14Z)
Unsharp Mask Guided Filtering [53.14430987860308]
本論文の目的は,フィルタ中の構造伝達の重要性を強調した画像フィルタリングである。アンシャープマスキングにインスパイアされたガイドフィルタの新しい簡易な定式化を提案する。我々の定式化は低域フィルタに先立ってフィルタを楽しみ、単一の係数を推定することで明示的な構造伝達を可能にする。
論文参考訳（メタデータ） (2021-06-02T19:15:34Z)
Adaptive Debanding Filter [55.42929350861115]
バンディングアーティファクトは、写真やビデオフレームに階段のような色のバンドとして現れます。後処理モジュールとして,コンテンツ適応型スムースなフィルタリングと拡張量子化を提案する。実験結果から,提案した解離フィルタは,最先端の偽輪郭除去アルゴリズムよりも視覚的,定量的に優れていることがわかった。
論文参考訳（メタデータ） (2020-09-22T20:44:20Z)
DeepLPF: Deep Local Parametric Filters for Image Enhancement [12.515536526953127]
本稿では,3種類の空間的局所フィルタを用いて,画像の自動強調手法を提案する。 DeepLPFは、これらの空間的局所化フィルタのパラメータを回帰し、画像を強化するために自動的に適用する。我々は、複数のベンチマークを報告し、DeepLPFがMIT-Adobe-5Kデータセットの2つの変種に対して最先端のパフォーマンスを生成することを示す。
論文参考訳（メタデータ） (2020-03-31T06:51:21Z)
Recognizing Instagram Filtered Images with Feature De-stylization [81.38905784617089]
本稿では,Instagramのフィルターによって,事前学習モデルがどのような影響を受けているかについて検討する。画像のグローバルな外観を変えるだけの単純な構造保存フィルタは、畳み込み特徴空間に大きな違いをもたらす可能性が示唆された。我々は,特徴マップのスケーリングとシフトに使用されるパラメータを予測し,フィルタによって引き起こされる変化を“無視”する,軽量なデスティル化モジュールを導入する。
論文参考訳（メタデータ） (2019-12-30T16:48:16Z)

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。