論文の概要: Exploring Thermography Technology: A Comprehensive Facial Dataset for Face Detection, Recognition, and Emotion
- arxiv url: http://arxiv.org/abs/2407.09494v1
- Date: Tue, 28 May 2024 05:50:03 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-22 13:38:25.578315
- Title: Exploring Thermography Technology: A Comprehensive Facial Dataset for Face Detection, Recognition, and Emotion
- Title（参考訳）: サーモグラフィー技術の探求:顔検出・認識・感情のための総合的な顔データセット
- Authors: Mohamed Fawzi Abdelshafie Abuhussein, Ashraf Darwish, Aboul Ella Hassanien,
- Abstract要約: このデータセットは、顔の検出、認識、感情分析のためにUNI-T UTi165Aカメラを用いてキャプチャされた6823の熱画像を含む。
このデータセットは、様々な条件、色パレット、撮影角度、ズームレベルをカバーしており、温度範囲は10degCから400degC、解像度は19,200ピクセルである。
- 参考スコア（独自算出の注目度）: 1.7341654854802664
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This dataset includes 6823 thermal images captured using a UNI-T UTi165A camera for face detection, recognition, and emotion analysis. It consists of 2485 facial recognition images depicting emotions (happy, sad, angry, natural, surprised), 2054 images for face recognition, and 2284 images for face detection. The dataset covers various conditions, color palettes, shooting angles, and zoom levels, with a temperature range of -10{\deg}C to 400{\deg}C and a resolution of 19,200 pixels. It serves as a valuable resource for advancing thermal imaging technology, aiding in algorithm development, and benchmarking for facial recognition across different palettes. Additionally, it contributes to facial motion recognition, fostering interdisciplinary collaboration in computer vision, psychology, and neuroscience. The dataset promotes transparency in thermal face detection and recognition research, with applications in security, healthcare, and human-computer interaction.
- Abstract（参考訳）: このデータセットは、顔の検出、認識、感情分析のためにUNI-T UTi165Aカメラを用いてキャプチャされた6823の熱画像を含む。
この画像は、感情(幸せ、悲しみ、怒り、自然、驚き)を描いた2485の顔認識画像と、顔認識のための2054のイメージと、顔検出のための2284のイメージで構成されている。
このデータセットは、さまざまな条件、カラーパレット、撮影角度、ズームレベルをカバーしており、温度範囲は10{\deg}Cから400{\deg}C、解像度は19,200ピクセルである。
これは、熱画像技術の進歩、アルゴリズム開発の支援、異なるパレットにわたる顔認識のためのベンチマークのための貴重なリソースとして機能する。
さらに、顔の動き認識に寄与し、コンピュータビジョン、心理学、神経科学における学際的なコラボレーションを促進する。
このデータセットは、セキュリティ、ヘルスケア、人間とコンピュータのインタラクションに応用して、サーマルフェイスの検出と認識の研究における透明性を促進する。
関連論文リスト
- Exploring Vision Language Models for Facial Attribute Recognition: Emotion, Race, Gender, and Age [0.1399948157377307]
画像に基づく人口動態の分析と表情の分析は、人間の顔特性の複雑さのためにいくつかの課題がある。
従来のアプローチでは、ラベル付き画像の広範なコレクションに基づいてトレーニングされたCNNやその他の様々なディープラーニング技術が採用されている。
本稿では,GPT,GEMINI,大規模言語・視覚アシスタント(LLAVA),PaliGemma,Microsoft Florence2などの視覚言語モデルを提案する。
論文 参考訳（メタデータ） (2024-10-31T17:09:19Z) - RealFace -- Pedestrian Face Dataset [0.0]
Real Faceデータセットは、11,000以上の画像と、さまざまな環境下で検出された55,000以上の顔で構成されている。
データセットは現実世界のシナリオに重点を置いているため、実用アプリケーションには特に関係がある。
データセットが提示する課題は、現実世界の監視アプリケーションで直面する困難と一致している。
論文 参考訳（メタデータ） (2024-08-30T22:31:48Z) - SAFER: Situation Aware Facial Emotion Recognition [0.0]
表情から感情を認識する新しいシステムであるSAFERを提案する。
最先端のディープラーニング技術を使って、顔画像からさまざまな特徴を抽出する。
目に見えない多様な表情に適応でき、現実世界の用途に適している。
論文 参考訳（メタデータ） (2023-06-14T20:42:26Z) - Emotion Separation and Recognition from a Facial Expression by Generating the Poker Face with Vision Transformers [57.1091606948826]
我々はこれらの課題に対処するため,ポーカー・フェイス・ビジョン・トランスフォーマー (PF-ViT) と呼ばれる新しいFERモデルを提案する。
PF-ViTは、対応するポーカーフェースを生成して、乱れを認識できない感情を静的な顔画像から分離し、認識することを目的としている。
PF-ViTはバニラビジョントランスフォーマーを使用し、そのコンポーネントは大規模な表情データセット上でMasked Autoencodeerとして事前トレーニングされている。
論文 参考訳（メタデータ） (2022-07-22T13:39:06Z) - A Synthesis-Based Approach for Thermal-to-Visible Face Verification [105.63410428506536]
本稿では,ARL-VTFおよびTUFTSマルチスペクトル顔データセット上での最先端性能を実現するアルゴリズムを提案する。
MILAB-VTF(B)も提案する。
論文 参考訳（メタデータ） (2021-08-21T17:59:56Z) - 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) - Spontaneous Emotion Recognition from Facial Thermal Images [0.0]
熱赤外画像における顔画像処理のタスクの多くは、現代の学習に基づくアプローチで対処できると分析する。
USTC-NVIEデータベースを使用して、顔のランドマーク局在化のための多数の機械学習アルゴリズムのトレーニングを行っています。
論文 参考訳（メタデータ） (2020-12-13T05:55:19Z) - Multi-spectral Facial Landmark Detection [10.009879315990133]
我々は、頑健なニューラルネットワークにより顔のランドマーク検出、すなわちDeep Multi-Spectral Learning (DMSL)を提案する。
DMSLは2つのサブモデル、すなわち顔境界検出とランドマーク座標検出から構成される。
Eurecomの可視・熱対データベースで実施された実験は、熱的顔のランドマーク検出のための最先端技術よりもDMSLの優れた性能を示している。
論文 参考訳（メタデータ） (2020-06-09T11:43:46Z) - Face Anti-Spoofing by Learning Polarization Cues in a Real-World
Scenario [50.36920272392624]
顔の偽造は生体認証アプリケーションにおけるセキュリティ侵害を防ぐ鍵となる。
RGBと赤外線画像を用いたディープラーニング手法は,新たな攻撃に対する大量のトレーニングデータを必要とする。
本研究では,実顔の偏光画像の物理的特徴を自動的に学習することにより,現実のシナリオにおける顔のアンチ・スプーフィング手法を提案する。
論文 参考訳（メタデータ） (2020-03-18T03:04:03Z) - Continuous Emotion Recognition via Deep Convolutional Autoencoder and
Support Vector Regressor [70.2226417364135]
マシンはユーザの感情状態を高い精度で認識できることが不可欠である。
ディープニューラルネットワークは感情を認識する上で大きな成功を収めている。
表情認識に基づく連続的感情認識のための新しいモデルを提案する。
論文 参考訳（メタデータ） (2020-01-31T17:47:16Z) - 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。