論文の概要: Mask-Robust Face Verification for Online Learning via YOLOv5 and Residual Networks

• arxiv url: http://arxiv.org/abs/2510.25184v1
• Date: Wed, 29 Oct 2025 05:30:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-30 15:50:45.096578
• Title: Mask-Robust Face Verification for Online Learning via YOLOv5 and Residual Networks
• Title（参考訳）: YOLOv5と残留ネットワークによるオンライン学習のためのマスク・ロバスト顔認証
• Authors: Zhifeng Wang, Minghui Wang, Chunyan Zeng, Jialong Yao, Yang Yang, Hongmin Xu,
• Abstract要約: 本稿では,畳み込みニューラルネットワークアーキテクチャを活用したオンライン学習認証のソリューションについて検討する。 深層学習の力を生かして、この技術アプローチは、オンライン教育の進行中の進歩を活性化することを目的としている。 このネットワークは、学生のオープンなオンラインカメラが捉えた画像から、個人の顔を識別する。
• 参考スコア（独自算出の注目度）: 9.845740650006016
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In the contemporary landscape, the fusion of information technology and the rapid advancement of artificial intelligence have ushered school education into a transformative phase characterized by digitization and heightened intelligence. Concurrently, the global paradigm shift caused by the Covid-19 pandemic has catalyzed the evolution of e-learning, accentuating its significance. Amidst these developments, one pivotal facet of the online education paradigm that warrants attention is the authentication of identities within the digital learning sphere. Within this context, our study delves into a solution for online learning authentication, utilizing an enhanced convolutional neural network architecture, specifically the residual network model. By harnessing the power of deep learning, this technological approach aims to galvanize the ongoing progress of online education, while concurrently bolstering its security and stability. Such fortification is imperative in enabling online education to seamlessly align with the swift evolution of the educational landscape. This paper's focal proposition involves the deployment of the YOLOv5 network, meticulously trained on our proprietary dataset. This network is tasked with identifying individuals' faces culled from images captured by students' open online cameras. The resultant facial information is then channeled into the residual network to extract intricate features at a deeper level. Subsequently, a comparative analysis of Euclidean distances against students' face databases is performed, effectively ascertaining the identity of each student.
• Abstract（参考訳）: 現代のランドスケープでは、情報技術の融合と人工知能の急速な進歩により、学校教育はデジタル化とインテリジェンスの向上を特徴とする転換期へと移行した。 同時に、Covid-19パンデミックによる世界的なパラダイムシフトは、eラーニングの進化を触媒し、その重要性を強調している。 これらの発展の中で、注意を喚起するオンライン教育パラダイムの重要な側面は、デジタル学習分野におけるアイデンティティの認証である。 この文脈の中で、我々の研究は、強化された畳み込みニューラルネットワークアーキテクチャ、特に残余ネットワークモデルを利用して、オンライン学習認証のソリューションを掘り下げた。 深層学習の力を生かして、この技術は、オンライン教育の継続的な進歩を、同時にそのセキュリティと安定性を強化することを目的としている。 このような要塞化は、オンライン教育が教育現場の急速な進化とシームレスに一致できるようにする上で不可欠である。 本稿の焦点となる提案は、当社のプロプライエタリデータセットに基づいて慎重にトレーニングされたYOLOv5ネットワークの展開である。 このネットワークは、学生のオープンなオンラインカメラが捉えた画像から、個人の顔を識別する。 そして、得られた顔情報を残差ネットワークに流し込み、より深いレベルで複雑な特徴を抽出する。 その後、学生の顔データベースに対するユークリッド距離の比較分析を行い、生徒の身元を効果的に確認する。

関連論文リスト

• Neurosymbolic AI Transfer Learning Improves Network Intrusion Detection [5.967112925028355]
  転送学習はコンピュータビジョン、自然言語処理、医用画像などの様々な分野で一般的に利用されている。 本稿では,サイバーセキュリティにおける悪意ある活動と戦う上で重要な役割を担うネットワーク侵入検知システムのために設計された,革新的なニューロシンボリックAIフレームワークを提案する。 この結果は、大規模で構造化されたデータセットに基づいてトレーニングされたトランスファー学習モデルが、より小さなデータセットに依存するニューラルネットワークモデルを上回ることを示唆している。
  論文  参考訳（メタデータ） (2025-09-13T15:12:35Z)
• Facing Identity: The Formation and Performance of Identity via Face-Based Artificial Intelligence Technologies [0.0]
  アナログ・フェイスを駆使しながら既存の施設文化を築き上げていく「ポスト・フェイス」技術の時代が今あることを提案する。 実際の顔の代わりにモーションキャプチャーされたアバターを使用するオンラインストリーマーであるVTubersとのインタビュースタディを提案することで、私は締めくくります。
  論文  参考訳（メタデータ） (2024-10-16T01:14:04Z)
• Alleviating Catastrophic Forgetting in Facial Expression Recognition with Emotion-Centered Models [49.3179290313959]
  感情中心型生成的リプレイ (ECgr) は, 生成的対向ネットワークから合成画像を統合することで, この課題に対処する。 ECgrは、生成された画像の忠実性を保証するために品質保証アルゴリズムを組み込んでいる。 4つの多様な表情データセットに対する実験結果から,擬似リハーサル法により生成されたイメージを組み込むことで,ターゲットとするデータセットとソースデータセットのトレーニングが促進されることが示された。
  論文  参考訳（メタデータ） (2024-04-18T15:28:34Z)
• Critical Learning Periods for Multisensory Integration in Deep Networks [112.40005682521638]
  ニューラルネットワークが様々な情報源からの情報を統合する能力は、トレーニングの初期段階において、適切な相関した信号に晒されることに批判的になることを示す。 臨界周期は、訓練されたシステムとその学習された表現の最終性能を決定づける、複雑で不安定な初期過渡的ダイナミクスから生じることを示す。
  論文  参考訳（メタデータ） (2022-10-06T23:50:38Z)
• Challenges and Opportunities in Offline Reinforcement Learning from Visual Observations [58.758928936316785]
  連続的な行動空間を持つ視覚的観察からオフラインの強化学習は未探索のままである。 2つの一般的な視覚に基づくオンライン強化学習アルゴリズムの変更は、既存のオフラインRL法より優れていることを示す。
  論文  参考訳（メタデータ） (2022-06-09T22:08:47Z)
• Wide Neural Networks Forget Less Catastrophically [39.907197907411266]
  ニューラルネットワークアーキテクチャの"幅"が破滅的忘れに及ぼす影響について検討する。 ネットワークの学習力学を様々な観点から研究する。
  論文  参考訳（メタデータ） (2021-10-21T23:49:23Z)
• The Confluence of Networks, Games and Learning [26.435697087036218]
  新興ネットワークアプリケーションは、分散ネットワークインテリジェンスを作成するためのゲーム理論モデルと学習に基づくアプローチを要求する。 本稿では,ネットワーク,ゲーム,学習の相違を具体化し,ネットワーク上でのマルチエージェント意思決定を理解するための理論的基盤を確立する。
  論文  参考訳（メタデータ） (2021-05-17T20:54:07Z)
• D2RL: Deep Dense Architectures in Reinforcement Learning [47.67475810050311]
  コンピュータビジョンと生成モデルにおけるアーキテクチャ選択の成功からインスピレーションを得ます。 各種ロボット学習ベンチマーク環境における強化学習における深層ネットワークと高密度接続の利用について検討した。
  論文  参考訳（メタデータ） (2020-10-19T01:27:07Z)
• Point Adversarial Self Mining: A Simple Method for Facial Expression Recognition [79.75964372862279]
  本稿では,表情認識における認識精度を向上させるために,PASM(Point Adversarial Self Mining)を提案する。 PASMは、目標タスクに関連する最も情報性の高い位置を見つけるために、ポイント敵攻撃法と訓練された教師ネットワークを使用する。 適応学習教材の生成と教師/学生の更新を複数回行うことができ、ネットワーク能力が反復的に向上する。
  論文  参考訳（メタデータ） (2020-08-26T06:39:24Z)

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。