論文の概要: Impact of Image Resolution on Age Estimation with DeepFace and InsightFace

• arxiv url: http://arxiv.org/abs/2511.14689v1
• Date: Tue, 18 Nov 2025 17:25:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-19 16:23:53.233794
• Title: Impact of Image Resolution on Age Estimation with DeepFace and InsightFace
• Title（参考訳）: DeepFaceとInsightFaceによる画像解像度が年齢推定に及ぼす影響
• Authors: Shiyar Jamo,
• Abstract要約: 本研究では,DeepFaceとInsightFaceを用いた画像解像度が年齢推定精度に与える影響を評価する。 DeepFaceとInsightFaceは224x224ピクセルで、MAEは10.83年(DeepFace)、7.46年(InsightFace)である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automatic age estimation is widely used for age verification, where input images often vary considerably in resolution. This study evaluates the effect of image resolution on age estimation accuracy using DeepFace and InsightFace. A total of 1000 images from the IMDB-Clean dataset were processed in seven resolutions, resulting in 7000 test samples. Performance was evaluated using Mean Absolute Error (MAE), Standard Deviation (SD), and Median Absolute Error (MedAE). Based on this study, we conclude that input image resolution has a clear and consistent impact on the accuracy of age estimation in both DeepFace and InsightFace. Both frameworks achieve optimal performance at 224x224 pixels, with an MAE of 10.83 years (DeepFace) and 7.46 years (InsightFace). At low resolutions, MAE increases substantially, while very high resolutions also degrade accuracy. InsightFace is consistently faster than DeepFace across all resolutions.
• Abstract（参考訳）: 年齢自動推定は年齢検証に広く使われており、入力画像の解像度がかなり異なる場合が多い。 本研究では,DeepFaceとInsightFaceを用いた画像解像度が年齢推定精度に与える影響を評価する。 IMDB-Cleanデータセットから合計1000枚の画像が7つの解像度で処理され、7000のサンプルが得られた。 平均絶対誤差(MAE)、標準偏差(SD)、中絶対誤差(MedAE)を用いて評価した。 本研究では,入力画像の解像度がDeepFaceとInsightFaceの両者の年齢推定精度に明確な一貫した影響があることを結論する。 どちらのフレームワークも224×224ピクセルで最適なパフォーマンスを実現しており、MAEは10.83年(DeepFace)、7.46年(InsightFace)である。 低解像度では、MAEは大幅に増加し、非常に高解像度では精度も低下する。 InsightFaceはすべての解像度でDeepFaceよりも一貫して高速です。

関連論文リスト

• Single Image Depth Prediction Made Better: A Multivariate Gaussian Take [163.14849753700682]
  本稿では,画素ごとの深度を連続的にモデル化する手法を提案する。 提案手法の精度(MG)は,KITTI深度予測ベンチマークリーダーボードの上位に位置する。
  論文  参考訳（メタデータ） (2023-03-31T16:01:03Z)
• AdaFace: Quality Adaptive Margin for Face Recognition [56.99208144386127]
  本稿では、損失関数、すなわち画像品質における適応性の別の側面を紹介する。 そこで本稿では,画像品質に基づいて異なる難易度を示す新たな損失関数を提案する。 提案手法は,4つのデータセット上でのSoTA(State-of-the-art)による顔認識性能を向上させる。
  論文  参考訳（メタデータ） (2022-04-03T01:23:41Z)
• 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)
• Cross-Quality LFW: A Database for Analyzing Cross-Resolution Image Face Recognition in Unconstrained Environments [8.368543987898732]
  現実世界の顔認識アプリケーションは、異なるキャプチャ条件のために、最適な画像の品質や解像度を扱うことが多い。 最近のクロスレゾリューション顔認識手法は、画像品質における現実のエッジケースとの距離を測定するために、単純で任意で非現実的なダウンスケールとアップスケーリングの手法を用いている。 本稿では,Wildにおける有名なラベル付き顔から派生した,新しい標準ベンチマークデータセットと評価プロトコルを提案する。
  論文  参考訳（メタデータ） (2021-08-23T17:04:32Z)
• Image Resolution Susceptibility of Face Recognition Models [8.368543987898732]
  まず,画像解像度が顔認証性能に与える影響を,最先端の顔認識モデルを用いて解析する。 合成で5倍の5倍の5倍の5倍になる画像の場合、検証性能は99.23%から約55%に低下する。
  論文  参考訳（メタデータ） (2021-07-08T11:30:27Z)
• FP-Age: Leveraging Face Parsing Attention for Facial Age Estimation in the Wild [50.8865921538953]
  年齢推定に顔のセマンティクスを明示的に組み込む手法を提案する。 我々は,顔解析に基づくネットワークを設計し,異なるスケールで意味情報を学習する。 提案手法は,既存の年齢推定手法を常に上回っていることを示す。
  論文  参考訳（メタデータ） (2021-06-21T14:31:32Z)
• 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)
• Contemplating real-world object classification [53.10151901863263]
  Barbuらが最近提案したObjectNetデータセットを再分析した。 日常の状況に物を含むこと。 分離されたオブジェクトにディープモデルを適用すると、元の論文のようにシーン全体ではなく、約20～30%の性能改善が得られます。
  論文  参考訳（メタデータ） (2021-03-08T23:29:59Z)
• Video Face Recognition System: RetinaFace-mnet-faster and Secondary Search [5.371825910267909]
  本稿は、主にビデオの複雑な顔について実験する。 ファジィシーンや露出の少ない顔のための画像前処理モジュールを設計し、画像を強化する。 また,検出のためのRetinacFace-mnet-fasterと顔認識のための信頼しきい値仕様を提案する。
  論文  参考訳（メタデータ） (2020-09-28T09:31:38Z)

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。