論文の概要: Non-frontal face recognition using GANs and memristor-based classifiers

• arxiv url: http://arxiv.org/abs/2606.12074v1
• Date: Wed, 10 Jun 2026 13:41:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-11 16:42:38.480087
• Title: Non-frontal face recognition using GANs and memristor-based classifiers
• Title（参考訳）: GANとmemristorベースの分類器を用いた非正面顔認証
• Authors: Semih Vazgecen, Cristian Sestito, Spyros Stathopoulos, Themis Prodromakis,
• Abstract要約: 本稿では,GANをベースとした簡易なポーズフロンティア化と,メムリスタをベースとしたニューロモルフィック認識を組み合わせることで,前頭前者のポーズ変動に対処する顔認識フレームワークを提案する。 2つのデータセットの実験結果から,対人学習と経験的技術の組み合わせの有効性が示され,最大96%の識別精度が達成された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Face recognition systems have advanced significantly through deep learning techniques, delivering high performance and robustness in complex scenarios. However, these approaches incur substantial computational overhead, limiting their in situ applicability in resource-constrained platforms such as drones, where they can address challenges including non-frontal facial imagery. Memristor-based neuromorphic systems have emerged as a compelling approach for edge AI applications, combining biologically inspired processing with efficient and scalable computation. In this work, we propose a facial recognition framework that addresses non-frontal pose variations by integrating lightweight generative adversarial network (GAN)-based pose frontalisation with memristor-based neuromorphic recognition. The experimental results on two datasets demonstrate the effectiveness of combining adversarial learning with memristive technology, achieving up to 96% identification accuracy. The proposed approach alleviates the computational bottlenecks of conventional AI and offers a scalable, efficient solution for face recognition in dynamic real-world environments.
• Abstract（参考訳）: 顔認識システムはディープラーニング技術によって大幅に進歩し、複雑なシナリオで高いパフォーマンスと堅牢性を実現している。 しかし、これらのアプローチはかなりの計算オーバーヘッドを伴い、非正面顔画像などの課題に対処できるドローンのようなリソース制約のあるプラットフォームにおいて、その適用範囲を制限している。 Memristorベースのニューロモルフィックシステムは、生物学的にインスパイアされた処理と効率的でスケーラブルな計算を組み合わせた、エッジAIアプリケーションにとって魅力的なアプローチとして登場した。 そこで本研究では,GANをベースとした簡易なポーズフロントエンドと,メムリスタをベースとしたニューロモルフィック認識を組み合わせることで,前頭前者のポーズ変動に対処する顔認識フレームワークを提案する。 2つのデータセットの実験結果から,対人学習と経験的技術の組み合わせの有効性が示され,最大96%の識別精度が達成された。 提案手法は,従来のAIの計算ボトルネックを緩和し,動的現実環境における顔認識のためのスケーラブルで効率的なソリューションを提供する。

関連論文リスト

• Face Identity Unlearning for Retrieval via Embedding Dispersion [0.0]
  顔認識システムは、正確な検索を可能にするために、高度に差別的でコンパクトなアイデンティティクラスタの学習に依存している。 本研究では,検索システムにおける顔認証アンラーニングの問題について検討し,その課題について述べる。 第一の課題は、埋め込み空間の識別的構造を保ちながら、この忘れる効果を達成することである。
  論文  参考訳（メタデータ） (2025-12-15T13:35:28Z)
• xEdgeFace: Efficient Cross-Spectral Face Recognition for Edge Devices [4.910937238451485]
  Heterogeneous Face Recognition (HFR) は、異なる知覚モードにわたる顔画像のマッチングという課題に対処する。 ハイブリッドCNN-Transformerアーキテクチャを適用し,軽量かつ効果的なHFRフレームワークを提案する。 提案手法は,RGBの顔認識タスクにおいて高い性能を保ちながら,最小対の異種データを用いた効率的なエンドツーエンドトレーニングを実現する。
  論文  参考訳（メタデータ） (2025-04-28T10:03:11Z)
• 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)
• Unrecognizable Yet Identifiable: Image Distortion with Preserved Embeddings [22.338328674283062]
  本稿では,ニューラルネットワークモデルによる顔画像の識別性を保ちながら,目に対して認識不能な顔画像を描画する,革新的な画像変換手法を提案する。 提案手法は、様々な人工知能アプリケーションにおいて、視覚データを歪曲し、派生した特徴を近接に保つために使用することができる。 同一の認識精度を維持しつつ、画像内容が70%以上変化する歪みを構築することができることを示す。
  論文  参考訳（メタデータ） (2024-01-26T18:20:53Z)
• COMICS: End-to-end Bi-grained Contrastive Learning for Multi-face Forgery Detection [56.7599217711363]
  顔偽造認識法は一度に1つの顔しか処理できない。 ほとんどの顔偽造認識法は一度に1つの顔しか処理できない。 マルチフェイスフォージェリ検出のためのエンドツーエンドフレームワークであるCOMICSを提案する。
  論文  参考訳（メタデータ） (2023-08-03T03:37:13Z)
• Analysis of Recent Trends in Face Recognition Systems [0.0]
  クラス間の類似性とクラス内変異により、顔認識システムは、それぞれ偽マッチングと偽非マッチエラーを生成する。 近年の研究では、抽出した特徴の堅牢性向上と、認識精度を高めるための前処理アルゴリズムに焦点が当てられている。
  論文  参考訳（メタデータ） (2023-04-23T18:55:45Z)
• Homogeneous Low-Resolution Face Recognition Method based Correlation Features [3.747737951407512]
  監視ビデオと画像の低解像度特徴は、高解像度の顔認識アルゴリズムが効果的な特徴情報を抽出することを困難にしている。 密集都市化の時代には、セキュリティ監視における顔認証がますます重要になるため、低解像度監視カメラが生み出す映像フレームの処理に十分な性能を発揮できるアルゴリズムを開発することが不可欠である。 本稿では,同種低分解能監視ビデオの相関特徴に基づく顔認識(CoFFaR)手法について,その理論,実験の詳細,実験結果について詳しく述べる。
  論文  参考訳（メタデータ） (2021-11-25T17:11:52Z)
• Hierarchical Deep CNN Feature Set-Based Representation Learning for Robust Cross-Resolution Face Recognition [59.29808528182607]
  クロスリゾリューション顔認識(CRFR)は、インテリジェントな監視およびバイオメトリックフォレンジックにおいて重要である。 既存の浅層学習と深層学習に基づく手法は、HR-LR対を共同特徴空間にマッピングすることに焦点を当てている。 本研究では,多レベル深層畳み込みニューラルネットワーク(CNN)の機能を完全に活用し,堅牢なCRFRを実現することを目的とする。
  論文  参考訳（メタデータ） (2021-03-25T14:03:42Z)
• Multi-Margin based Decorrelation Learning for Heterogeneous Face Recognition [90.26023388850771]
  本稿では,超球面空間におけるデコリレーション表現を抽出するディープニューラルネットワーク手法を提案する。 提案するフレームワークは,不均一表現ネットワークとデコリレーション表現学習の2つのコンポーネントに分けることができる。 2つの難解な異種顔データベースに対する実験結果から,本手法は検証タスクと認識タスクの両方において優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2020-05-25T07:01:12Z)
• Joint Deep Learning of Facial Expression Synthesis and Recognition [97.19528464266824]
  顔表情の合成と認識を効果的に行うための新しい統合深層学習法を提案する。 提案手法は, 2段階の学習手順を伴い, まず, 表情の異なる顔画像を生成するために, 表情合成生成対向ネットワーク (FESGAN) を事前訓練する。 実画像と合成画像間のデータバイアスの問題を軽減するために,新しい実データ誘導バックプロパゲーション(RDBP)アルゴリズムを用いたクラス内損失を提案する。
  論文  参考訳（メタデータ） (2020-02-06T10:56:00Z)
• Continuous Emotion Recognition via Deep Convolutional Autoencoder and Support Vector Regressor [70.2226417364135]
  マシンはユーザの感情状態を高い精度で認識できることが不可欠である。 ディープニューラルネットワークは感情を認識する上で大きな成功を収めている。 表情認識に基づく連続的感情認識のための新しいモデルを提案する。
  論文  参考訳（メタデータ） (2020-01-31T17:47:16Z)

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。