論文の概要: Sistema de Reconocimiento Facial Federado en Conjuntos Abiertos basado en OpenMax
- arxiv url: http://arxiv.org/abs/2508.19312v1
- Date: Tue, 26 Aug 2025 09:27:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-28 19:07:41.369628
- Title: Sistema de Reconocimiento Facial Federado en Conjuntos Abiertos basado en OpenMax
- Title（参考訳）: Sistema de Reconocimiento Facial Federado en Conjuntos Abiertos basado en OpenMax
- Authors: Ander Galván, Marivi Higuero, Jorge Sasiain, Eduardo Jacob,
- Abstract要約: 本稿では,オープンセットシナリオに適したフェデレーション学習フレームワークにおける顔認識システムの設計,実装,評価について述べる。
提案手法は,OpenMaxアルゴリズムをフェデレート学習に統合し,平均アクティベーションベクトルと局所距離尺度の交換を利用して,未知と未知の被写体を確実に識別する。
実験の結果,提案手法の有効性を検証し,分散環境におけるプライバシ認識と堅牢な顔認識の強化の可能性を示した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Facial recognition powered by Artificial Intelligence has achieved high accuracy in specific scenarios and applications. Nevertheless, it faces significant challenges regarding privacy and identity management, particularly when unknown individuals appear in the operational context. This paper presents the design, implementation, and evaluation of a facial recognition system within a federated learning framework tailored to open-set scenarios. The proposed approach integrates the OpenMax algorithm into federated learning, leveraging the exchange of mean activation vectors and local distance measures to reliably distinguish between known and unknown subjects. Experimental results validate the effectiveness of the proposed solution, demonstrating its potential for enhancing privacy-aware and robust facial recognition in distributed environments. -- El reconocimiento facial impulsado por Inteligencia Artificial ha demostrado una alta precisi\'on en algunos escenarios y aplicaciones. Sin embargo, presenta desaf\'ios relacionados con la privacidad y la identificaci\'on de personas, especialmente considerando que pueden aparecer sujetos desconocidos para el sistema que lo implementa. En este trabajo, se propone el dise\~no, implementaci\'on y evaluaci\'on de un sistema de reconocimiento facial en un escenario de aprendizaje federado, orientado a conjuntos abiertos. Concretamente, se dise\~na una soluci\'on basada en el algoritmo OpenMax para escenarios de aprendizaje federado. La propuesta emplea el intercambio de los vectores de activaci\'on promedio y distancias locales para identificar de manera eficaz tanto personas conocidas como desconocidas. Los experimentos realizados demuestran la implementaci\'on efectiva de la soluci\'on propuesta.
- Abstract（参考訳）: 人工知能を利用した顔認識は、特定のシナリオや応用において高い精度を達成している。
それにもかかわらず、プライバシーとアイデンティティ管理に関して重要な課題に直面している。
本稿では,オープンセットシナリオに適したフェデレーション学習フレームワークにおける顔認識システムの設計,実装,評価について述べる。
提案手法は,OpenMaxアルゴリズムをフェデレート学習に統合し,平均アクティベーションベクトルと局所距離尺度の交換を利用して,未知と未知の被写体を確実に識別する。
実験の結果,提案手法の有効性を検証し,分散環境におけるプライバシ認識と堅牢な顔認識の強化の可能性を示した。
顔のインパルスを再現する「Inteligencia Artificial ha demostrado una alta precisi\on en algunos escenarios y aplicaciones」。
Sin embargo, presenta desaf\'ios relacionados con la privacidad y la identificaci\'on de personas, especialmente considerando que pueden aparecer sujetos desconocidos para el sistema que lo implementa。
エステ・トラバホ, se propone el dise\~no, implementaci\'on y evaluaci\'on de un sistema de reconocimiento facial en un escenario de aprendizaje federado, orientado a conjuntos abiertos。
原タイトルは「OpenMax para escenarios de aprendizaje Federado」。
コノシダ・デ・コノシダス(Conocidas como desconocidas)は、コノシダ・デ・コノシダス・デ・コノシダス・デ・コノシダス・デ・コノシダス・デ・コノシダス・デ・コノシダス・デ・コノシダス・デ・コノシダス・デ・コノシダス・デ・コノシダス・デ・コノシダス・デ・コノシダス・デ・コノシダス・デ・コノシダス・デ・コノシダス・デ・コノシダス・デ・デ・コノシダス・デ・コノシダス・デ・コノシダス・デ・デ・デ・デ・デ・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・ド・
自然界における「自然界」の創始者。
関連論文リスト
- A Test Suite for Efficient Robustness Evaluation of Face Recognition Systems [3.350980549219263]
RobFaceは、顔認識システムの堅牢性を評価するための効率的で使いやすい方法である。
これには、顔認識システムの堅牢性を包括的に評価するように設計された、転送可能な対向顔画像が含まれている。
私たちの知る限り、RobFaceはシステムに依存しない最初のロバストネス推定テストスイートです。
論文 参考訳（メタデータ） (2025-04-30T08:27:08Z) - Local Features Meet Stochastic Anonymization: Revolutionizing Privacy-Preserving Face Recognition for Black-Box Models [54.88064975480573]
プライバシー保護顔認証(PPFR)の課題は現在、2つの未解決課題に直面している。
グローバルな特徴の破壊と局所的な特徴の強化により,ブラックボックス環境においても効果的に認識できる。
本手法は,ブラックボックスモデルの平均認識精度94.21%を達成し,プライバシ保護とアンチコンストラクションの両面で既存手法よりも優れていた。
論文 参考訳（メタデータ） (2024-12-11T10:49:15Z) - AdaFedFR: Federated Face Recognition with Adaptive Inter-Class Representation Learning [14.139432393751298]
本稿では,AdaFedFRというシンプルなフェデレーション顔認識フレームワークを提案する。
本研究では,公共アイデンティティの特徴表現を学習可能な負の知識として微妙に活用し,局所的な目的を最適化する。
実験により,本手法は,3ラウンド未満の通信ラウンドにおいて,複数の顔認識ベンチマークにおいて,従来の手法よりも優れた性能を示した。
論文 参考訳（メタデータ） (2024-05-22T09:19:25Z) - Towards Open-set Gesture Recognition via Feature Activation Enhancement
and Orthogonal Prototype Learning [4.724899372568309]
ジェスチャー認識は人間と機械の相互作用における基礎的なタスクである。
頑健なシステムにおいて、未知の無関心な動作を効果的に識別し、拒否することが不可欠である。
本稿では,2つの新しい特徴,特徴のアクティベーションレベル,投射の不整合性を利用した,より効果的なPL手法を提案する。
論文 参考訳（メタデータ） (2023-12-05T06:49:15Z) - Open-set Face Recognition using Ensembles trained on Clustered Data [2.132096006921048]
この研究は、数百から数千の主題からなるギャラリーに対して、スケーラブルなオープンセットの顔識別アプローチを詳述している。
クラスタリングとバイナリ学習アルゴリズムのアンサンブルで構成されており、クエリフェイスサンプルがフェイスギャラリーに属していることを推定し、その正体を検索する。
論文 参考訳（メタデータ） (2023-08-14T20:34:54Z) - OPOM: Customized Invisible Cloak towards Face Privacy Protection [58.07786010689529]
我々は、新しいタイプのカスタマイズクロークに基づく技術の観点から、顔のプライバシ保護について検討する。
本研究では,個人固有の(クラスワイドな)ユニバーサルマスクを生成するために,1人1マスク(OPOM)という新しい手法を提案する。
提案手法の有効性を,共通データセットと有名データセットの両方で評価した。
論文 参考訳（メタデータ） (2022-05-24T11:29:37Z) - Federated Learning for Face Recognition with Gradient Correction [52.896286647898386]
本稿では,顔認識のためのフェデレーション学習に取り組むためのフレームワークであるFedGCを紹介する。
我々は,FedGCが標準ソフトマックスと同様の損失関数を構成することを示す。
論文 参考訳（メタデータ） (2021-12-14T09:19:29Z) - 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) - Deep Learning for Person Re-identification: A Survey and Outlook [233.36948173686602]
人物再識別(Re-ID)は、複数の重複しないカメラを通して興味ある人物を検索することを目的としている。
人物のRe-IDシステム開発に関わるコンポーネントを分離することにより、それをクローズドワールドとオープンワールドのセッティングに分類する。
論文 参考訳（メタデータ） (2020-01-13T12:49:22Z) - 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。