論文の概要: Unmasking the Uniqueness: A Glimpse into Age-Invariant Face Recognition of Indigenous African Faces

• arxiv url: http://arxiv.org/abs/2408.06806v1
• Date: Tue, 13 Aug 2024 10:54:10 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-14 17:46:21.992152
• Title: Unmasking the Uniqueness: A Glimpse into Age-Invariant Face Recognition of Indigenous African Faces
• Title（参考訳）: 独特さを解き明かす:アフリカ原住民の年齢不変顔認識への傾斜
• Authors: Fakunle Ajewole, Joseph Damilola Akinyemi, Khadijat Tope Ladoja, Olufade Falade Williams Onifade,
• Abstract要約: Age-Invariant Face Recognition (AIFR) は、アフリカと比較してヨーロッパ、アメリカ、アジアでかなりの研究成果を上げている。 この研究は、顔画像解析研究においてアフリカ民族の誤表現を減らすために、アフリカ先住民の顔のためのAIFRシステムを開発した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The task of recognizing the age-separated faces of an individual, Age-Invariant Face Recognition (AIFR), has received considerable research efforts in Europe, America, and Asia, compared to Africa. Thus, AIFR research efforts have often under-represented/misrepresented the African ethnicity with non-indigenous Africans. This work developed an AIFR system for indigenous African faces to reduce the misrepresentation of African ethnicity in facial image analysis research. We adopted a pre-trained deep learning model (VGGFace) for AIFR on a dataset of 5,000 indigenous African faces (FAGE\_v2) collected for this study. FAGE\_v2 was curated via Internet image searches of 500 individuals evenly distributed across 10 African countries. VGGFace was trained on FAGE\_v2 to obtain the best accuracy of 81.80\%. We also performed experiments on an African-American subset of the CACD dataset and obtained the best accuracy of 91.5\%. The results show a significant difference in the recognition accuracies of indigenous versus non-indigenous Africans.
• Abstract（参考訳）: 年齢別顔認識(AIFR)の課題は、アフリカと比較して、ヨーロッパ、アメリカ、アジアでかなりの研究努力を払っている。 したがって、AIFRの研究努力はアフリカ民族を非先住民のアフリカ人と過小評価/誤解していることが多い。 この研究は、顔画像解析研究においてアフリカ民族の誤表現を減らすために、アフリカ先住民の顔のためのAIFRシステムを開発した。 我々は,この研究のために収集された5000人のアフリカ先住民の顔(FAGE\_v2)のデータセットに基づいて,AIFRのための事前学習深層学習モデル(VGGFace)を採用した。 FAGE\_v2は、アフリカ10か国に均等に分布する500人の人物のインターネットイメージ検索を通じてキュレーションされた。 VGGFaceはFAGE\_v2でトレーニングされ、81.80\%の精度が得られた。 また,CACDデータセットのアフリカ系アメリカ人サブセットについても実験を行い,その精度は91.5\%であった。 その結果、先住民と非先住民のアフリカ人に対する認識精度に有意な差が認められた。

関連論文リスト

• The Case for Globalizing Fairness: A Mixed Methods Study on Colonialism, AI, and Health in Africa [16.7528939567041]
  我々は,アフリカにおける公平性を考慮した不均質の軸を提案するために,スコーピングレビューを実施している。 次に,一般人口調査参加者672名と,ML,健康,政策の専門家28名と質的研究を行った。 我々の分析は、関心の属性として植民地主義に焦点を当て、人工知能(AI)、健康、植民地主義の相互作用を調べる。
  論文  参考訳（メタデータ） (2024-03-05T22:54:15Z)
• Case Studies of AI Policy Development in Africa [1.3194391758295114]
  人工知能(AI)は、アフリカ諸国の国家技術利用と戦略を評価する新しい方法を必要とする。 我々は、既存のグローバルな準備性評価は、AIの準備性におけるアフリカの国家の進歩を完全には捉えていないと結論づける。
  論文  参考訳（メタデータ） (2024-02-29T19:17:11Z)
• Ethnicity and Biometric Uniqueness: Iris Pattern Individuality in a West African Database [0.2812395851874055]
  ナイジェリアの大学で収集された画像から得られた虹彩パターンの比較を13万件以上行った。 AFHIRISデータベースでは,メラノサイトの粗い前層によるエントロピーの低下を測定した。 人口差にもかかわらず、この西アフリカの人口の虹彩パターンの比較により、個人性は頑健に識別できると結論付けている。
  論文  参考訳（メタデータ） (2023-09-12T18:51:28Z)
• MasakhaNER 2.0: Africa-centric Transfer Learning for Named Entity Recognition [55.95128479289923]
  アフリカ系言語は10億人を超える人々によって話されているが、NLPの研究や開発ではあまり語られていない。 我々は、20のアフリカ言語で最大の人間アノテーション付きNERデータセットを作成します。 最適な転送言語を選択すると、ゼロショットF1スコアが平均14ポイント向上することを示す。
  論文  参考訳（メタデータ） (2022-10-22T08:53:14Z)
• 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)
• CASIA-Face-Africa: A Large-scale African Face Image Database [43.29325019954341]
  人種バイアスは、最先端の顔認識システム(sota)に固有のものであることが証明されていた。 パブリックドメインにおける大規模アフリカの顔画像データベースの欠如は、顔認識の人種バイアス問題の研究における主要な制限の1つである。 アフリカ1,183人の38,546枚の画像を含む顔画像データベースCASIA-Face-Africaを収集します。
  論文  参考訳（メタデータ） (2021-05-08T08:15:11Z)
• MasakhaNER: Named Entity Recognition for African Languages [48.34339599387944]
  アフリカで10の言語で名前付きエンティティ認識のための、最初の大規模な公開可能な高品質データセットを作成します。 我々は,これらの言語がNERにもたらす課題を理解するために,言語の特徴を詳述する。
  論文  参考訳（メタデータ） (2021-03-22T13:12:44Z)
• Investigating Bias in Deep Face Analysis: The KANFace Dataset and Empirical Study [67.3961439193994]
  現在までに最も包括的で大規模な顔画像とビデオのデータセットを導入している。 データは、アイデンティティ、正確な年齢、性別、親族関係の点で手動で注釈付けされる。 提案したベンチマークでネットワーク埋め込みをデバイアス化する手法を導入し,テストした。
  論文  参考訳（メタデータ） (2020-05-15T00:14:39Z)
• Cross-ethnicity Face Anti-spoofing Recognition Challenge: A Review [79.49390241265337]
  Chalearn Face Anti-Spoofing Detection Challengeは、シングルモーダル(例えば、RGB)とマルチモーダル(例えば、RGB、Depth、赤外線(IR))のトラックで構成されている。 本稿では,その設計,評価プロトコル,結果の概要など,課題の概要について述べる。
  論文  参考訳（メタデータ） (2020-04-23T06:43:08Z)

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。