論文の概要: An Enhancement of Haar Cascade Algorithm Applied to Face Recognition for Gate Pass Security
- arxiv url: http://arxiv.org/abs/2411.03831v1
- Date: Wed, 06 Nov 2024 11:03:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-07 19:23:24.049231
- Title: An Enhancement of Haar Cascade Algorithm Applied to Face Recognition for Gate Pass Security
- Title（参考訳）: ゲートパスセキュリティのための顔認識に応用したハールカスケードアルゴリズムの強化
- Authors: Clarence A. Antipona, Romeo R. Magsino, Raymund M. Dioses, Khatalyn E. Mata,
- Abstract要約: 顔認識ライブラリはHaar Cascade Algorithmで実装された。
グレースケール画像をRGBに変換し、顔符号化を改善するためにサブプロセスを適用した。
拡張ハールカスケードアルゴリズムは98.39%の精度を実現した。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: This study is focused on enhancing the Haar Cascade Algorithm to decrease the false positive and false negative rate in face matching and face detection to increase the accuracy rate even under challenging conditions. The face recognition library was implemented with Haar Cascade Algorithm in which the 128-dimensional vectors representing the unique features of a face are encoded. A subprocess was applied where the grayscale image from Haar Cascade was converted to RGB to improve the face encoding. Logical process and face filtering are also used to decrease non-face detection. The Enhanced Haar Cascade Algorithm produced a 98.39% accuracy rate (21.39% increase), 63.59% precision rate, 98.30% recall rate, and 72.23% in F1 Score. In comparison, the Haar Cascade Algorithm achieved a 46.70% to 77.00% accuracy rate, 44.15% precision rate, 98.61% recall rate, and 47.01% in F1 Score. Both algorithms used the Confusion Matrix Test with 301,950 comparisons using the same dataset of 550 images. The 98.39% accuracy rate shows a significant decrease in false positive and false negative rates in facial recognition. Face matching and face detection are more accurate in images with complex backgrounds, lighting variations, and occlusions, or even those with similar attributes.
- Abstract（参考訳）: 本研究は, 顔マッチングおよび顔検出における偽陽性, 偽陰性率を低減し, 挑戦条件下においても精度を高めるために, ハールカスケードアルゴリズムを改良することに焦点を当てた。
顔認識ライブラリはHaar Cascade Algorithmで実装され、顔の特徴を表す128次元ベクトルが符号化される。
顔符号化を改善するため,Haar Cascadeのグレースケール画像をRGBに変換するサブプロセスを適用した。
論理処理や顔フィルタリングも、非顔検出を減らすために使われる。
拡張ハーアーカスケードアルゴリズムは98.39%の精度率(21.39%の増加)、63.59%の精度率、98.30%のリコール率、72.23%のF1スコアを生み出した。
一方、ハールカスケードアルゴリズムは46.70%から77.00%の精度、44.15%の精度、98.61%のリコール率、47.01%のF1スコアを達成した。
どちらのアルゴリズムも、同じ550イメージのデータセットを使用して、301,950の比較でConfusion Matrix Testを使用した。
98.39%の精度は、顔認識における偽陽性と偽陰率の顕著な減少を示している。
顔マッチングと顔検出は、複雑な背景、照明のバリエーション、オクルージョン、さらには類似の属性を持つ画像においてより正確である。
関連論文リスト
- A Lightweight and Accurate Face Detection Algorithm Based on Retinaface [0.5076419064097734]
Retinaface に基づく軽量かつ高精度な顔検出アルゴリズム LAFD (Light and accurate face detection) を提案する。
アルゴリズムのバックボーンネットワークは、畳み込みカーネルのサイズを調整する修正されたMobileNetV3ネットワークである。
入力画像が前処理され、長さが1560px、幅が1200pxとなると、平均精度は86.2%となる。
論文 参考訳（メタデータ） (2023-08-08T15:36:57Z) - Patch-wise Features for Blur Image Classification [3.762360672951513]
本手法により, ぼかしとシャープな画像劣化の区別が可能となる。
オープンデータセットで行った実験では、提案した低計算手法が検証セットの平均精度を90.1%向上することが示された。
提案手法はCPU上のVGG16ベースモデルよりも10倍高速で、入力画像サイズに線形にスケールし、低計算エッジデバイスに実装するのに適している。
論文 参考訳（メタデータ） (2023-04-06T15:39:11Z) - A new face swap method for image and video domains: a technical report [60.47144478048589]
FaceShifterアーキテクチャに基づいた新しいフェイススワップパイプラインを導入する。
新しいアイロス機能、超解像ブロック、ガウスベースのフェイスマスク生成は、品質改善につながる。
論文 参考訳（メタデータ） (2022-02-07T10:15:50Z) - 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) - End2End Occluded Face Recognition by Masking Corrupted Features [82.27588990277192]
最先端の一般的な顔認識モデルは、隠蔽された顔画像に対してうまく一般化しない。
本稿では,1つのエンドツーエンドのディープニューラルネットワークに基づいて,オクルージョンに頑健な新しい顔認識手法を提案する。
我々のアプローチは、深い畳み込みニューラルネットワークから破損した特徴を発見し、動的に学習されたマスクによってそれらをきれいにする。
論文 参考訳（メタデータ） (2021-08-21T09:08:41Z) - An Improved Real-Time Face Recognition System at Low Resolution Based on
Local Binary Pattern Histogram Algorithm and CLAHE [0.0]
本研究では、ポーズや感情、解像度のバリエーションのある15ピクセルの低解像度のリアルタイム顔認識システムを提案する。
トレーニングや分類に使用されている LRD200 と LRD100 というデータセットを設計しました。
この顔認識システムは、法執行目的で使用することができ、監視カメラは、カメラから人の距離のために低解像度の画像をキャプチャします。
論文 参考訳（メタデータ） (2021-04-15T04:54:29Z) - Non-Parametric Adaptive Network Pruning [125.4414216272874]
アルゴリズム設計を簡略化するノンパラメトリックモデリングを導入。
顔認識コミュニティに触発されて,メッセージパッシングアルゴリズムを用いて,適応的な例示数を求める。
EPrunerは「重要」フィルタを決定する際にトレーニングデータへの依存を壊します。
論文 参考訳（メタデータ） (2021-01-20T06:18:38Z) - Masked Face Image Classification with Sparse Representation based on
Majority Voting Mechanism [4.451150873349085]
I implement the Orthogonal Matching Pursuit (OMP) algorithm and Sparse Representation-based Classification (SRC) algorithm。
この結果は、SRCアルゴリズムと組み合わせたOMPアルゴリズムが、98.4%の精度でマスクされた顔画像分類よりも優れていることを示している。
論文 参考訳（メタデータ） (2020-11-09T16:55:14Z) - Block-wise Image Transformation with Secret Key for Adversarially Robust
Defense [17.551718914117917]
提案する変換を実現するために,Pixel Shuffling, Bit Flipping, FFX Encryptionの3つのアルゴリズムを開発した。
CIFAR-10とImageNetのデータセット上で、ブラックボックスとホワイトボックスの両方を用いて実験を行った。
提案したディフェンスは,適応攻撃下においてもクリーン画像の精度を高い精度で達成する。
論文 参考訳（メタデータ） (2020-10-02T06:07:12Z) - Black-Box Face Recovery from Identity Features [61.950765357647605]
我々はアルゴリズムをテストするために最先端の顔認識システム(ArcFace)を攻撃した。
我々のアルゴリズムは、最先端のソリューションに比べて、はるかに少ないクエリを必要とする。
論文 参考訳（メタデータ） (2020-07-27T15:25:38Z) - Exploiting Semantics for Face Image Deblurring [121.44928934662063]
本稿では,深層畳み込みニューラルネットワークによる意味的手がかりを利用して,効果的かつ効率的な顔分解アルゴリズムを提案する。
顔のセマンティックラベルを入力先として組み込んで,顔の局所構造を正規化するための適応的構造損失を提案する。
提案手法は、より正確な顔の特徴と細部を持つシャープ画像を復元する。
論文 参考訳（メタデータ） (2020-01-19T13:06:27Z)
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。