論文の概要: Masked Face Recognition under Different Backbones

• arxiv url: http://arxiv.org/abs/2601.16440v1
• Date: Fri, 23 Jan 2026 04:33:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-26 14:27:27.537966
• Title: Masked Face Recognition under Different Backbones
• Title（参考訳）: 異なる背骨下での仮面認識
• Authors: Bo Zhang, Ming Zhang, Kun Wu, Lei Bian, Yi Lin,
• Abstract要約: パンデミック後の時代には、民間航空の乗客の大多数がセキュリティチェック中にマスクを着用している。 バックボーンネットワークは 顔認識モデルの コアコンポーネントとして機能する Vit-Small/Tinyは強力なマスキング性能を示し、有効性は向上した。
• 参考スコア（独自算出の注目度）: 8.3465195932175
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Erratum to the paper (Zhang et al., 2025): corrections to Table IV and the data in Page 3, Section A. In the post-pandemic era, a high proportion of civil aviation passengers wear masks during security checks, posing significant challenges to traditional face recognition models. The backbone network serves as the core component of face recognition models. In standard tests, r100 series models excelled (98%+ accuracy at 0.01% FAR in face comparison, high top1/top5 in search). r50 ranked second, r34_mask_v1 lagged. In masked tests, r100_mask_v2 led (90.07% accuracy), r50_mask_v3 performed best among r50 but trailed r100. Vit-Small/Tiny showed strong masked performance with gains in effectiveness. Through extensive comparative experiments, this paper conducts a comprehensive evaluation of several core backbone networks, aiming to reveal the impacts of different models on face recognition with and without masks, and provide specific deployment recommendations.
• Abstract（参考訳）: 論文へのエラトゥム(Zhang et al , 2025): 表 IV と表 3 ページ A のデータの修正 後パンデミック時代には、民間航空の乗客の大多数がセキュリティチェック中にマスクを着用しており、従来の顔認識モデルに重大な課題を呈している。 バックボーンネットワークは顔認識モデルのコアコンポーネントとして機能する。 標準的なテストでは、r100シリーズモデルは優れた(顔比較では0.01% FARで98%以上の精度、検索ではトップ1/トップ5)。 r50は2位、r34_mask_v1はラグであった。 マスク試験では、r100_mask_v2が90.07%の精度で、r50_mask_v3はr50の中で最も高い結果を示した。 Vit-Small/Tinyは強力なマスキング性能を示し、有効性は向上した。 本稿では,複数のコアバックボーンネットワークを網羅的に評価し,マスクの有無にかかわらず,異なるモデルが顔認識に与える影響を明らかにするとともに,具体的なデプロイメント勧告を提供する。

関連論文リスト

• Masked Face Dataset Generation and Masked Face Recognition [2.4377103193902703]
  パンデミック後の時代には、フェイスマスクを着用することは、通常の顔認識に大きな課題をもたらしてきた。 モデルを現実世界の状況に適応させるために、より困難なマスク付き顔データセットを作成しました。 50のアイデンティティMFR上での最良のテスト精度は95%に達した。
  論文  参考訳（メタデータ） (2023-11-13T17:09:57Z)
• WebFace260M: A Benchmark for Million-Scale Deep Face Recognition [89.39080252029386]
  我々は、未修正4MのID/260Mの顔(WebFace260M)とクリーン2MのID/42Mの顔(WebFace42M)を含む新しい100万スケールの認識ベンチマークに貢献する。 分散フレームワークは、性能を損なうことなく、顔認識モデルを効率的に訓練するために開発された。 提案したベンチマークは、標準、マスク付き、偏見のない顔認識シナリオにおいて大きな可能性を示している。
  論文  参考訳（メタデータ） (2022-04-21T14:56:53Z)
• A Comparative Analysis of Machine Learning Approaches for Automated Face Mask Detection During COVID-19 [0.0]
  WHOは、新型コロナウイルス感染を防ぐための最も効果的な対策の一つとして、マスクを着用することを推奨している。 マスク検出のための多くのディープラーニングモデルを探索し、2つのベンチマークデータセットで評価する。 すべてのモデルのパフォーマンスは非常に良好ですが、転送学習モデルは最高のパフォーマンスを実現しています。
  論文  参考訳（メタデータ） (2021-12-15T06:30:50Z)
• Balanced Masked and Standard Face Recognition [1.2149550080095914]
  ICCV 2021のマスク付き顔認識チャレンジのWebfaceトラックとInsightface/Glint360Kトラックのための改良されたネットワークアーキテクチャ、データ拡張、トレーニング戦略について述べる。
  論文  参考訳（メタデータ） (2021-10-04T15:41:05Z)
• 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)
• Masked Face Recognition Challenge: The WebFace260M Track Report [81.57455766506197]
  ICCV 2021におけるバイオメトリクスとマスク付き顔認識チャレンジ WebFace260M Trackは、実用的なMFRのフロンティアを推進することを目的としている。 WebFace260M Trackの第1フェーズでは、69のチーム(トータル833ソリューション)がこの課題に参加している。 この挑戦には2021年10月1日までの第2フェーズと、進行中のリーダーボードがある。
  論文  参考訳（メタデータ） (2021-08-16T15:51:51Z)
• Boosting Masked Face Recognition with Multi-Task ArcFace [0.973681576519524]
  新型コロナウイルス(COVID-19)による世界的な健康危機を考えると、口と鼻を覆うマスクは日常の衣服に欠かせないものになっています。 この尺度は、マスクされた顔で機能するよう設計されていないため、最先端の顔認識モデルをロープに乗せている。 完全なトレーニングパイプラインがArcFace作業に基づいて提示され、バックボーンとロス関数のいくつかの修正が行われている。
  論文  参考訳（メタデータ） (2021-04-20T10:12:04Z)
• Contrastive Context-Aware Learning for 3D High-Fidelity Mask Face Presentation Attack Detection [103.7264459186552]
  顔認識システムには、顔提示攻撃検出(PAD)が不可欠である。 ほとんどの既存の3DマスクPADベンチマークにはいくつかの欠点があります。 現実世界のアプリケーションとのギャップを埋めるために、大規模なハイファイアリティマスクデータセットを紹介します。
  論文  参考訳（メタデータ） (2021-04-13T12:48:38Z)
• WebFace260M: A Benchmark Unveiling the Power of Million-Scale Deep Face Recognition [79.65728162193584]
  ノイズの多い4M顔/260M顔(WebFace260M)と2M顔/42M顔(WebFace42M)を含む新しい百万スケール顔ベンチマークを提供します。 我々は、挑戦的IJB-C集合の相対40%の故障率を減少させ、NIST-FRVTの430項目のうち3位にランク付けする。 10%のデータ(WebFace4M)でさえ、公開トレーニングセットよりも優れたパフォーマンスを示している。
  論文  参考訳（メタデータ） (2021-03-06T11:12:43Z)
• Face Anti-Spoofing with Human Material Perception [76.4844593082362]
  フェース・アンチ・スプーフィング(FAS)は、プレゼンテーション攻撃から顔認識システムを保護する上で重要な役割を担っている。 我々は、顔の反偽造を物質認識問題として言い換え、それを古典的な人間の物質知覚と組み合わせる。 本稿では,本質的な素材に基づくパターンをキャプチャ可能なバイラテラル畳み込みネットワーク(BCN)を提案する。
  論文  参考訳（メタデータ） (2020-07-04T18:25:53Z)

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。