論文の概要: Explainable Face Recognition via Improved Localization

• arxiv url: http://arxiv.org/abs/2505.03837v1
• Date: Sun, 04 May 2025 21:58:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-08 19:07:35.85786
• Title: Explainable Face Recognition via Improved Localization
• Title（参考訳）: 局所化改善による説明可能な顔認識
• Authors: Rashik Shadman, Daqing Hou, Faraz Hussain, M G Sarwar Murshed,
• Abstract要約: ディープラーニングベースの顔認識システムは、ブラックボックスモデルのように動作し、意思決定に必要な説明や正当化を提供しない。 これは、ユーザーはそのような人工知能ベースの生体認証システムを信頼できないため、明確な説明や正当化が提供されていない場合、それらを使用するのが快適ではない可能性があるため、大きな欠点である。 深層学習に基づく顔認識システムの結果を視覚的に説明するために,クラスアクティベーションマッピング (CAM) に基づく識別的ローカライゼーション (非常に狭小/特異的なローカライゼーション) 技術であるスケールドディレクテッド・ディバージェンス (SDD) を用いる。
• 参考スコア（独自算出の注目度）: 1.334824518603753
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Biometric authentication has become one of the most widely used tools in the current technological era to authenticate users and to distinguish between genuine users and imposters. Face is the most common form of biometric modality that has proven effective. Deep learning-based face recognition systems are now commonly used across different domains. However, these systems usually operate like black-box models that do not provide necessary explanations or justifications for their decisions. This is a major disadvantage because users cannot trust such artificial intelligence-based biometric systems and may not feel comfortable using them when clear explanations or justifications are not provided. This paper addresses this problem by applying an efficient method for explainable face recognition systems. We use a Class Activation Mapping (CAM)-based discriminative localization (very narrow/specific localization) technique called Scaled Directed Divergence (SDD) to visually explain the results of deep learning-based face recognition systems. We perform fine localization of the face features relevant to the deep learning model for its prediction/decision. Our experiments show that the SDD Class Activation Map (CAM) highlights the relevant face features very specifically compared to the traditional CAM and very accurately. The provided visual explanations with narrow localization of relevant features can ensure much-needed transparency and trust for deep learning-based face recognition systems.
• Abstract（参考訳）: バイオメトリック認証は、ユーザを認証し、本物のユーザとインポスタを区別するために、現在の技術時代に最も広く使われているツールの1つになっている。 顔はバイオメトリック・モダリティの最も一般的な形態であり、有効であることが証明されている。 ディープラーニングベースの顔認識システムは、現在ではさまざまなドメインで一般的に使用されている。 しかしながら、これらのシステムは一般にブラックボックスモデルのように動作し、それらの決定に対して必要な説明や正当化を提供しない。 これは、ユーザーはそのような人工知能ベースの生体認証システムを信頼できないため、明確な説明や正当化が提供されていない場合、それらを使用するのが快適ではない可能性があるため、大きな欠点である。 本稿では,顔認識システムに効率的な手法を適用することにより,この問題に対処する。 深層学習に基づく顔認識システムの結果を視覚的に説明するために,クラスアクティベーションマッピング (CAM) に基づく識別的ローカライゼーション (非常に狭小/特異的なローカライゼーション) 技術であるスケールドディレクテッド・ディバージェンス (SDD) を用いる。 深層学習モデルに関連する顔の特徴を,その予測・決定のために微妙な局所化を行う。 実験の結果,SDD Class Activation Map (CAM) は従来のCAMと比較して,顔の特徴を非常に正確に強調していることがわかった。 提供された視覚的説明は、関連する機能を限定的にローカライズすることで、ディープラーニングベースの顔認識システムにおいて、多くの関心を持つ透明性と信頼を確保することができる。

関連論文リスト

• Learning Knowledge-based Prompts for Robust 3D Mask Presentation Attack Detection [84.21257150497254]
  本稿では,3次元マスク提示攻撃検出のための視覚言語モデルの強力な一般化能力を検討するための,知識に基づく新しいプロンプト学習フレームワークを提案する。 実験により,提案手法は最先端のシナリオ内およびクロスシナリオ検出性能を実現することを示す。
  論文  参考訳（メタデータ） (2025-05-06T15:09:23Z)
• Towards A Comprehensive Visual Saliency Explanation Framework for AI-based Face Recognition Systems [9.105950041800225]
  本書は,顔認識タスクの包括的説明枠組みを考案した。 AIに基づく顔認識システムのためのビジュアル・サリエンシ・マップに基づく説明の包括的定義を提供する。 CorrRISE というモデルに依存しない新しい説明法が提案されている。
  論文  参考訳（メタデータ） (2024-07-08T14:25:46Z)
• Deep Learning-based Spatio Temporal Facial Feature Visual Speech Recognition [0.0]
  パスワードをしゃべりながら、顔認識と個人特有の時間的顔の特徴的動作を併用する代替認証方式を提案する。 提案されたモデルは、業界標準のMIRACL-VC1データセットでテストしたときに96.1%の精度を達成した。
  論文  参考訳（メタデータ） (2023-04-30T18:52:29Z)
• Analysis of Recent Trends in Face Recognition Systems [0.0]
  クラス間の類似性とクラス内変異により、顔認識システムは、それぞれ偽マッチングと偽非マッチエラーを生成する。 近年の研究では、抽出した特徴の堅牢性向上と、認識精度を高めるための前処理アルゴリズムに焦点が当てられている。
  論文  参考訳（メタデータ） (2023-04-23T18:55:45Z)
• Explanation of Face Recognition via Saliency Maps [13.334500258498798]
  本稿では,説明可能な顔認識(XFR)の厳密な定義を提案する。 次に、類似性に基づくRISEアルゴリズム(S-RISE)を導入し、高品質なビジュアル・サリエンシ・マップを作成する。 一般的なビジュアル・サリエンシに基づくXFR手法の信頼性と精度を体系的に評価するための評価手法を提案する。
  論文  参考訳（メタデータ） (2023-04-12T19:04:21Z)
• Visual Recognition with Deep Nearest Centroids [57.35144702563746]
  我々は、概念的にエレガントで驚くほど効果的な大規模視覚認識ネットワークである深部セントロイド(DNC)を考案した。 パラメトリックと比較すると、DNCは画像分類(CIFAR-10, ImageNet)に優れ、画像認識(ADE20K, Cityscapes)を大いに起動する。
  論文  参考訳（メタデータ） (2022-09-15T15:47:31Z)
• 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)
• Progressive Spatio-Temporal Bilinear Network with Monte Carlo Dropout for Landmark-based Facial Expression Recognition with Uncertainty Estimation [93.73198973454944]
  提案手法の性能は, 広く使用されている3つのデータセットで評価される。 ビデオベースの最先端の手法に匹敵するが、複雑さははるかに少ない。
  論文  参考訳（メタデータ） (2021-06-08T13:40:30Z)
• Harnessing Unrecognizable Faces for Face Recognition [87.80037162457427]
  本稿では,顔画像の認識可能性の尺度を提案し,主に認識可能なアイデンティティを用いて訓練されたディープニューラルネットワークによって実現された。 FAR=1e-5において,認識可能性を考慮した場合,単画像認識の誤り率を58%減少させることを示す。
  論文  参考訳（メタデータ） (2021-06-08T05:25:03Z)
• AuthNet: A Deep Learning based Authentication Mechanism using Temporal Facial Feature Movements [0.0]
  パスワードを発話しながら、顔認識と、その顔のユニークな動きの両方を利用する認証機構を提案する。 提案したモデルは,任意の言語でパスワードを設定することができるため,言語障壁によって阻害されない。
  論文  参考訳（メタデータ） (2020-12-04T10:46:12Z)
• 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。