Fugu-MT 論文翻訳(概要): Evaluating Deep Learning-Based Face Recognition for Infants and Toddlers: Impact of Age Across Developmental Stages

論文の概要: Evaluating Deep Learning-Based Face Recognition for Infants and Toddlers: Impact of Age Across Developmental Stages

arxiv url: http://arxiv.org/abs/2601.01680v1
Date: Sun, 04 Jan 2026 22:30:28 GMT
ステータス: 翻訳完了
システム内更新日: 2026-01-06 16:25:22.64078
Title: Evaluating Deep Learning-Based Face Recognition for Infants and Toddlers: Impact of Age Across Developmental Stages
Title（参考訳）: 幼児・幼児の深層学習に基づく顔認識の評価 : 発達段階における年齢の影響
Authors: Afzal Hossain, Mst Rumana Sumi, Stephanie Schuckers,
Abstract要約: 幼児と幼児の顔認識は、迅速な顔形態変化、クラス間の類似度の高さ、データセットの可用性の制限など、ユニークな課題を呈している。本研究は,0～3歳児を対象とする7つのセッションにおいて,24カ月間にわたって収集した,深層学習に基づく顔認識モデルFaceNet,ArcFace,MagFace,CosFaceの性能評価を行った。
参考スコア（独自算出の注目度）: 0.688204255655161
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Face recognition for infants and toddlers presents unique challenges due to rapid facial morphology changes, high inter-class similarity, and limited dataset availability. This study evaluates the performance of four deep learning-based face recognition models FaceNet, ArcFace, MagFace, and CosFace on a newly developed longitudinal dataset collected over a 24 month period in seven sessions involving children aged 0 to 3 years. Our analysis examines recognition accuracy across developmental stages, showing that the True Accept Rate (TAR) is only 30.7% at 0.1% False Accept Rate (FAR) for infants aged 0 to 6 months, due to unstable facial features. Performance improves significantly in older children, reaching 64.7% TAR at 0.1% FAR in the 2.5 to 3 year age group. We also evaluate verification performance over different time intervals, revealing that shorter time gaps result in higher accuracy due to reduced embedding drift. To mitigate this drift, we apply a Domain Adversarial Neural Network (DANN) approach that improves TAR by over 12%, yielding features that are more temporally stable and generalizable. These findings are critical for building biometric systems that function reliably over time in smart city applications such as public healthcare, child safety, and digital identity services. The challenges observed in early age groups highlight the importance of future research on privacy preserving biometric authentication systems that can address temporal variability, particularly in secure and regulated urban environments where child verification is essential.
Abstract（参考訳）: 幼児と幼児の顔認識は、迅速な顔形態変化、クラス間の類似度の高さ、データセットの可用性の制限など、ユニークな課題を呈している。本研究は,0～3歳児を対象とする7つのセッションにおいて,24カ月間にわたって収集した,深層学習に基づく顔認識モデルFaceNet,ArcFace,MagFace,CosFaceの性能評価を行った。本分析では,0～6カ月児の顔面の不安定な特徴から,TARが30.7%,0.1%の偽受容率(FAR)が30.7%であった。高齢者ではパフォーマンスが著しく改善し、2.5～3歳層では64.7%のTARが0.1%のFARに到達した。また,異なる時間間隔での検証性能を評価し,組込みドリフトの低減による時間ギャップの短縮により精度が向上することを示した。このドリフトを緩和するために、TARを12%以上改善するDomain Adversarial Neural Network (DANN) アプローチを適用する。これらの発見は、公共医療、子供の安全、デジタルアイデンティティサービスといったスマートシティアプリケーションにおいて、時間とともに確実に機能する生体認証システムを構築する上で重要である。早期集団で観察される課題は、特に児童認証が不可欠である安全で規制された都市環境において、時間的変動に対処できる生体認証システムのプライバシー保護に関する今後の研究の重要性を強調している。

関連論文リスト

Mitigating Longitudinal Performance Degradation in Child Face Recognition Using Synthetic Data [0.7734726150561086]
本研究では, 子どもの顔認識モデルの時間的ロバスト性を向上させることにより, 合成顔データが縦方向安定化器として機能するかどうかを検討する。我々は,データセットを指定せずに事前訓練したMagFace埋め込み,認証されたトレーニング顔のみを用いたMagFace微調整,および認証されたトレーニング顔と合成生成されたトレーニング顔の組み合わせによるMagFace微調整の3つの設定を評価する。 6～36ヶ月の入学検証ギャップにおける実験結果から, 合成微調整は, 予め訓練したベースラインと実物のみの微調整の両方と比較して, 誤差を著しく低減することが示された。
論文参考訳（メタデータ） (2026-01-04T23:03:03Z)
Person Recognition at Altitude and Range: Fusion of Face, Body Shape and Gait [70.00430652562012]
FarSightは、顔認識のためのエンドツーエンドシステムで、顔、歩行、体形を横断する生体計測の手がかりを統合する。 FarSightは、4つのコアモジュールにまたがる新しいアルゴリズムを組み込んでいる。
論文参考訳（メタデータ） (2025-05-07T17:58:25Z)
Longitudinal Evaluation of Child Face Recognition and the Impact of Underlying Age [1.290382979353427]
様々な新興アプリケーションにおける子供の信頼できる識別の必要性が、子供の顔認証技術を活用したいという関心を喚起している。本研究は,クラークソン大学CITeR研究グループによって収集されたYFAデータベースを6ヶ月間隔で収集した。
論文参考訳（メタデータ） (2024-08-01T19:40:55Z)
OpticalDR: A Deep Optical Imaging Model for Privacy-Protective Depression Recognition [66.91236298878383]
抑うつ認識(DR)は、特にプライバシー上の懸念の文脈において、大きな課題となる。我々は,疾患関連特徴を保持しつつ,撮像した顔画像の識別情報を消去する新しいイメージングシステムを設計した。正確なDRに必要な本態性疾患の特徴を保ちながら、アイデンティティ情報の回復には不可逆である。
論文参考訳（メタデータ） (2024-02-29T01:20:29Z)
Face Recognition In Children: A Longitudinal Study [3.3504365823045044]
幼児の短年齢群における顔認識システムの性能を解析するためのヤングフェイスエイジングデータセットについて紹介する。以上の結果から,YFAおよびMagFaceを用いた顔認証実験は,6カ月間,36ヵ月間,0.1% FARで98.3%,94.9%のTARを示した。
論文参考訳（メタデータ） (2022-04-04T18:00:45Z)
LAE : Long-tailed Age Estimation [52.5745217752147]
まず、簡単な標準ベースラインを定式化し、事前トレーニング、データ拡張、モデルアーキテクチャなどのトリックを収集することで、はるかに強力なベースラインを構築します。標準ベースラインと比較して,提案手法は推定誤差を著しく低減する。本稿では,Long-tailed Age Estimation (LAE) という2段階の学習手法を提案する。
論文参考訳（メタデータ） (2021-10-25T09:05:44Z)
InfAnFace: Bridging the infant-adult domain gap in facial landmark estimation in the wild [0.2786153781225931]
InfAnFaceは乳児の顔のリッチなアノテーション付きデータセットである。我々は、成人の顔に訓練された既存の顔のランドマーク推定アルゴリズムの性能をベンチマークした。私たちはそのギャップを埋める次のステップを推し進めました。
論文参考訳（メタデータ） (2021-10-17T22:12:16Z)
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)
Age Gap Reducer-GAN for Recognizing Age-Separated Faces [72.26969872180841]
本稿では,年齢変化に伴う顔と時間変化をマッチングする新しいアルゴリズムを提案する。提案手法は,顔の年齢推定と年齢別顔の検証を組み合わせた統合フレームワークである。
論文参考訳（メタデータ） (2020-11-11T16:43:32Z)
Child Face Age-Progression via Deep Feature Aging [47.74474569938014]
本稿では,顔マーカによって出力される深層顔の特徴を経時変化させる機能老化モジュールを提案する。提案手法は、ランク1の識別率95.91%で最先端の手法よりも優れている。
論文参考訳（メタデータ） (2020-03-17T23:03:46Z)

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。