論文の概要: Template-based Multi-Domain Face Recognition

• arxiv url: http://arxiv.org/abs/2409.09832v1
• Date: Sun, 15 Sep 2024 19:12:52 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-17 17:10:28.418362
• Title: Template-based Multi-Domain Face Recognition
• Title（参考訳）: テンプレートに基づくマルチドメイン顔認識
• Authors: Anirudh Nanduri, Rama Chellappa,
• Abstract要約: 我々は,シングルソース(可視)とマルチターゲット(SWIR,長距離/遠隔,監視,体縫い)の課題に焦点をあてる。 実験を通して、ターゲット領域の複雑さが増大するにつれて、優れたテンプレート生成アルゴリズムが重要となることを示す。
• 参考スコア（独自算出の注目度）: 34.61781790927704
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Despite the remarkable performance of deep neural networks for face detection and recognition tasks in the visible spectrum, their performance on more challenging non-visible domains is comparatively still lacking. While significant research has been done in the fields of domain adaptation and domain generalization, in this paper we tackle scenarios in which these methods have limited applicability owing to the lack of training data from target domains. We focus on the problem of single-source (visible) and multi-target (SWIR, long-range/remote, surveillance, and body-worn) face recognition task. We show through experiments that a good template generation algorithm becomes crucial as the complexity of the target domain increases. In this context, we introduce a template generation algorithm called Norm Pooling (and a variant known as Sparse Pooling) and show that it outperforms average pooling across different domains and networks, on the IARPA JANUS Benchmark Multi-domain Face (IJB-MDF) dataset.
• Abstract（参考訳）: 可視光スペクトルにおける顔検出および認識タスクのためのディープニューラルネットワークの顕著なパフォーマンスにもかかわらず、より困難な非可視領域におけるそれらのパフォーマンスは、比較的不足している。 ドメイン適応とドメイン一般化の分野では重要な研究がなされているが,本論文では,対象ドメインからのトレーニングデータが不足しているため,これらの手法が適用範囲が限定されたシナリオに取り組む。 我々は,シングルソース(可視)とマルチターゲット(SWIR,長距離/遠隔,監視,体縫い)の課題に焦点をあてる。 実験を通して、ターゲット領域の複雑さが増大するにつれて、優れたテンプレート生成アルゴリズムが重要となることを示す。 この文脈では,Norm Pooling(およびSparse Poolingと呼ばれる変種)と呼ばれるテンプレート生成アルゴリズムを導入し,IARPA JANUS Benchmark Multi-domain Face (IJB-MDF)データセット上で,異なるドメインやネットワーク間の平均プールよりも優れていることを示す。

関連論文リスト

• A Unified Deep Semantic Expansion Framework for Domain-Generalized Person Re-identification [30.208890289394994]
  本研究は、より実用的なドメイン一般化人再識別(DG-ReID)問題に焦点を当てる。 DG-ReIDにおける有望な研究方向の1つは、暗黙的な深い意味的特徴拡張の利用である。 我々は,DeXなどの暗黙的な深い意味的特徴拡張手法が,大規模な評価ベンチマークにおいてその潜在能力を最大限に発揮できないことを示す。 我々は暗黙的・明示的な意味的特徴拡張技術を統合する新しいフレームワークであるUnified Deep Semantic Expansionを提案する。
  論文  参考訳（メタデータ） (2024-10-11T02:15:15Z)
• Deep face recognition with clustering based domain adaptation [57.29464116557734]
  そこで本研究では,ターゲットドメインとソースがクラスを共有しない顔認識タスクを対象とした,クラスタリングに基づく新しいドメイン適応手法を提案する。 本手法は,特徴領域をグローバルに整列させ,その一方で,対象クラスタを局所的に識別することで,識別対象特徴を効果的に学習する。
  論文  参考訳（メタデータ） (2022-05-27T12:29:11Z)
• Unsupervised Domain Adaptive 3D Detection with Multi-Level Consistency [90.71745178767203]
  ディープラーニングに基づく3Dオブジェクト検出は、大規模な自律走行データセットの出現によって、前例のない成功を収めた。 既存の3Dドメイン適応検出手法は、しばしばターゲットのドメインアノテーションへの事前アクセスを前提とします。 我々は、ソースドメインアノテーションのみを利用する、より現実的な、教師なしの3Dドメイン適応検出について研究する。
  論文  参考訳（メタデータ） (2021-07-23T17:19:23Z)
• Multi-Domain Adversarial Feature Generalization for Person Re-Identification [52.835955258959785]
  マルチデータセット特徴一般化ネットワーク(MMFA-AAE)を提案する。 複数のラベル付きデータセットから普遍的なドメイン不変の特徴表現を学習し、それを見えないカメラシステムに一般化することができる。 また、最先端の教師付き手法や教師なしのドメイン適応手法を大きなマージンで超えている。
  論文  参考訳（メタデータ） (2020-11-25T08:03:15Z)
• A Review of Single-Source Deep Unsupervised Visual Domain Adaptation [81.07994783143533]
  大規模ラベル付きトレーニングデータセットにより、ディープニューラルネットワークは、幅広いベンチマークビジョンタスクを拡張できるようになった。 多くのアプリケーションにおいて、大量のラベル付きデータを取得するのは非常に高価で時間を要する。 限られたラベル付きトレーニングデータに対処するため、大規模ラベル付きソースドメインでトレーニングされたモデルを、疎ラベルまたは未ラベルのターゲットドメインに直接適用しようと試みている人も多い。
  論文  参考訳（メタデータ） (2020-09-01T00:06:50Z)
• Domain Conditioned Adaptation Network [90.63261870610211]
  本稿では,ドメイン条件付きチャネルアテンション機構を用いて,異なる畳み込みチャネルを励起するドメイン条件適応ネットワーク(DCAN)を提案する。 これは、ディープDAネットワークのドメインワイドな畳み込みチャネルアクティベーションを探求する最初の試みである。
  論文  参考訳（メタデータ） (2020-05-14T04:23:24Z)
• Unsupervised Domain Adaptation in Person re-ID via k-Reciprocal Clustering and Large-Scale Heterogeneous Environment Synthesis [76.46004354572956]
  個人再識別のための教師なし領域適応手法を提案する。 実験結果から,ktCUDA法とSHRED法は,再同定性能において,+5.7 mAPの平均的改善を実現することがわかった。
  論文  参考訳（メタデータ） (2020-01-14T17:43:52Z)

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。