論文の概要: Testing the Performance of Face Recognition for People with Down Syndrome
- arxiv url: http://arxiv.org/abs/2405.11240v1
- Date: Sat, 18 May 2024 09:41:51 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-21 18:48:01.264134
- Title: Testing the Performance of Face Recognition for People with Down Syndrome
- Title（参考訳）: ダウン症候群者の顔認識性能の検討
- Authors: Christian Rathgeb, Mathias Ibsen, Denise Hartmann, Simon Hradetzky, Berglind Ólafsdóttir,
- Abstract要約: 本稿では,ダウン症候群患者に対する顔認識アルゴリズムの性能について検討する。
ダウンシンドロームの個体は一般的な染色体異常であり、年間1,000人に1人が発症する。
ダウン症候群患者では顔認識性能が有意に低下することが観察された。
- 参考スコア（独自算出の注目度）: 2.3475320614258033
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The fairness of biometric systems, in particular facial recognition, is often analysed for larger demographic groups, e.g. female vs. male or black vs. white. In contrast to this, minority groups are commonly ignored. This paper investigates the performance of facial recognition algorithms on individuals with Down syndrome, a common chromosomal abnormality that affects approximately one in 1,000 births per year. To do so, a database of 98 individuals with Down syndrome, each represented by at least five facial images, is semi-automatically collected from YouTube. Subsequently, two facial image quality assessment algorithms and five recognition algorithms are evaluated on the newly collected database and on the public facial image databases CelebA and FRGCv2. The results show that the quality scores of facial images for individuals with Down syndrome are comparable to those of individuals without Down syndrome captured under similar conditions. Furthermore, it is observed that face recognition performance decreases significantly for individuals with Down syndrome, which is largely attributed to the increased likelihood of false matches.
- Abstract（参考訳）: 生体認証システムの公正性、特に顔認識は、例えば、女性対男性対白人対白人のような大きな集団に対してしばしば分析される。
これとは対照的に、少数派は一般的に無視される。
そこで本研究では,ダウン症候群患者に対する顔認識アルゴリズムの性能について検討した。
そのために、ダウンシンドロームを持つ98人のデータベースは、それぞれ少なくとも5つの顔画像で表現され、YouTubeから半自動で収集される。
その後、新たに収集したデータベースおよび公開顔画像データベースCelebA,FRGCv2上で、2つの顔画像品質評価アルゴリズムと5つの認識アルゴリズムを評価する。
その結果,ダウン症候群患者に対する顔画像の品質スコアは,類似した条件下で撮影したダウン症候群患者に匹敵することがわかった。
さらに,ダウン症候群患者では顔認識性能が有意に低下することが観察された。
関連論文リスト
- An Evaluation of Forensic Facial Recognition [16.17759191184531]
本稿では,大規模な合成顔データセットの構築と,顔の法医学的ラインアップについて述べる。
本稿では,2つのニューラルネットワーク認識システムの精度を評価する。
これまでに報告された顔認識の精度は95%以上低下し、このより困難な法医学的シナリオでは65%にまで低下した。
論文 参考訳（メタデータ） (2023-11-10T16:02:46Z) - Human-Machine Comparison for Cross-Race Face Verification: Race Bias at
the Upper Limits of Performance? [0.7036032466145111]
顔認識アルゴリズムは、一部のケースでは人間よりも精度が高いが、人間と機械はどちらも人種ベースの精度の違いを示している。
我々は「クロスレース」顔認証の挑戦的なテストを構築し、人間と最先端の顔認識システム2つを比較した。
我々は,黒と白の2つの顔画像間の身元確認のための最先端のシステムが一般人口を上回ることができると結論付けた。
論文 参考訳（メタデータ） (2023-05-25T19:41:13Z) - A Federated Learning Scheme for Neuro-developmental Disorders:
Multi-Aspect ASD Detection [2.7221938979891385]
自閉症スペクトラム障害(Autism Spectrum disorder、ASD)は、出生前の胚脳の変化に起因する神経発達障害である。
本研究では,個人の行動や顔の特徴に基づいて,ある個人におけるASDを予測するための,プライバシ保護型フェデレーション学習手法を提案する。
論文 参考訳（メタデータ） (2022-10-31T13:56:36Z) - Few-Shot Meta Learning for Recognizing Facial Phenotypes of Genetic
Disorders [55.41644538483948]
分類の自動化と類似性検索は、医師が可能な限り早期に遺伝状態の診断を行うための意思決定を支援する。
従来の研究は分類問題としてこの問題に対処し、深層学習法を用いてきた。
本研究では,健常人の大規模なコーパスで訓練した顔認識モデルを用いて,顔の表情認識に移行した。
論文 参考訳（メタデータ） (2022-10-23T11:52:57Z) - A Deep Dive into Dataset Imbalance and Bias in Face Identification [49.210042420757894]
メディアの描写は、自動顔認識システムにおけるバイアスの主な原因として、しばしば不均衡を浮き彫りにする。
FRにおけるデータ不均衡に関するこれまでの研究は、顔認証の設定にのみ焦点をあててきた。
この研究は、顔の識別における各種類の不均衡の影響を徹底的に調査し、この設定におけるバイアスに影響を与える他の要因について議論する。
論文 参考訳（メタデータ） (2022-03-15T20:23:13Z) - Comparing Human and Machine Bias in Face Recognition [46.170389064229354]
我々はLFWとCelebAデータセットの改良版をリリースし、将来の研究者がアルゴリズムバイアスの測定値を得ることができるようにした。
また、これらの新しいデータを使って、顔認証と検証に関する一連の挑戦的な質問も開発しています。
検証作業において,コンピュータモデルと人的調査参加者の双方が有意に優れていたことが判明した。
論文 参考訳（メタデータ） (2021-10-15T22:26:20Z) - EDFace-Celeb-1M: Benchmarking Face Hallucination with a Million-scale
Dataset [92.537021496096]
近年の深層顔の幻覚法は,超解像性難分解性顔画像において顕著な性能を示した。
したがって、これらのアルゴリズムが公衆の顔の幻覚データセット上でどのように機能するかは不明である。
本稿では,Ethnically Diverse Face データセット EDFace-Celeb-1M を構築し,顔幻覚のためのベンチマークタスクを設計する。
論文 参考訳（メタデータ） (2021-10-11T06:53:24Z) - SynFace: Face Recognition with Synthetic Data [83.15838126703719]
我々は、ID混在(IM)とドメイン混在(DM)を併用したSynFaceを考案し、パフォーマンスギャップを緩和する。
また、合成顔画像の系統的実験分析を行い、合成データを顔認識に効果的に活用する方法についての知見を提供する。
論文 参考訳（メタデータ） (2021-08-18T03:41:54Z) - Asymmetric Rejection Loss for Fairer Face Recognition [1.52292571922932]
訓練データセットの人種的不均衡により、異なる民族集団間での顔認識性能の違いが示されている。
これは実際には、顔のデータセットが通常収集されるセロブドムにおける非コーカサス民族集団の下位表現にシンプトマティックである。
本研究は,非表示群をフル活用することを目的とした非対称リジェクションロスを提案する。
論文 参考訳（メタデータ） (2020-02-09T04:01:03Z) - Investigating the Impact of Inclusion in Face Recognition Training Data
on Individual Face Identification [93.5538147928669]
最新のオープンソースの顔認識システムであるArcFaceを、100万枚以上の散らばった画像を用いた大規模な顔識別実験で監査する。
モデルのトレーニングデータには79.71%、存在しない人には75.73%のランク1顔認証精度がある。
論文 参考訳（メタデータ） (2020-01-09T15:50:28Z)
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。