Fugu-MT 論文翻訳(概要): Attention-Guided Efficientnet Architecture For Precise Criminal Identification in Surveillance Images

論文の概要: Attention-Guided Efficientnet Architecture For Precise Criminal Identification in Surveillance Images

arxiv url: http://arxiv.org/abs/2607.03073v1
Date: Fri, 03 Jul 2026 08:09:27 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-07 22:26:29.514456
Title: Attention-Guided Efficientnet Architecture For Precise Criminal Identification in Surveillance Images
Title（参考訳）: 監視画像における正確な犯罪識別のための注意ガイド付き高能率ネットアーキテクチャ
Abstract要約: 監視画像からの犯罪識別は、インテリジェントな法医学的監視システムにおいて重要な研究領域となっている。本稿では,監視画像の正確な犯罪識別のためのアテンション誘導能率ネットフレームワークを提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: Criminal identification from surveillance imagery has become a critical research area in intelligent forensic surveillance systems due to the increasing deployment of CCTV cameras in public and private environments. However, surveillance-based face recognition remains highly challenging because of low image resolution, illumination variation, motion blur, pose changes, facial occlusion, and background clutter. To address these limitations, this paper proposes an Attention-Guided EfficientNet (AG-EfficientNet) framework for precise criminal identification in surveillance images. The proposed framework integrates EfficientNet-B0 with Convolutional Block Attention Modules (CBAM) to enhance discriminative facial feature learning under degraded surveillance conditions. In addition, a multi-scale surveillance feature fusion strategy is introduced to preserve both local texture information and high-level semantic identity representations. A hybrid Softmax-Triplet optimization mechanism is further employed to improve inter-class separability and intra-class compactness for robust criminal identity discrimination. The proposed framework was experimentally evaluated using the Labeled Faces in the Wild (LFW) and SCFace datasets. Experimental results demonstrate that the proposed AG-EfficientNet framework achieved superior surveillance recognition performance with an identification accuracy of 98.2%, Precision of 97.9%, Recall of 97.6%, F1-Score of 97.7%, and ROC-AUC of 0.99, outperforming conventional deep learning architectures including AlexNet, VGG16, ResNet50, MobileNetV2, and standard EfficientNet-B0. Furthermore, Grad-CAM visualization and ablation analysis confirm the effectiveness of the proposed attention-guided feature learning strategy.
Abstract（参考訳）: 監視画像からの犯罪識別は、CCTVカメラの公共および私的環境への展開の増加により、インテリジェントな法医学的監視システムにおいて重要な研究領域となっている。しかし、画像解像度の低さ、照明の変動、動きのぼやけ、ポーズの変化、顔の閉塞、背景のぼやけなど、監視ベースの顔認識は非常に困難である。これらの制約に対処するために,監視画像の正確な犯罪識別のためのアテンションガイド付き効率ネット(AG-EfficientNet)フレームワークを提案する。提案するフレームワークは、効率的なNet-B0とCBAM(Convolutional Block Attention Modules)を統合し、劣化した監視条件下での識別的顔特徴学習を強化する。さらに、局所テクスチャ情報と高レベルのセマンティックアイデンティティ表現の両方を保存するために、マルチスケールの監視機能融合戦略を導入している。さらに,厳密な犯罪識別のためのクラス間分離性とクラス内コンパクト性を改善するために,ハイブリッドソフトマックス・トリプレット最適化機構が導入された。提案するフレームワークは,LFWデータセットとSCFaceデータセットを用いて実験的に評価した。実験の結果、提案したAG-EfficientNetフレームワークは、98.2%の精度、97.9%の精度、97.6%の精度、97.7%のF1スコア、0.99のROC-AUCを達成し、AlexNet、VGG16、ResNet50、MobileNetV2、標準のEfficientNet-B0といった従来のディープラーニングアーキテクチャを上回った。さらに,Grad-CAM可視化とアブレーション解析により,提案手法の有効性を確認した。

関連論文リスト

ForensicNet: Lightweight Attention-Enhanced MobileNetV2 for Automated Face Identification [0.0]
本稿では,注目度を高めた法医学的顔認識のための軽量なディープラーニングフレームワークを提案する。提案されたモデルは、MobileNetV2バックボーンとCBAM(Convolutional Block Attention Modules)を組み合わせて、差別的特徴の学習を改善する。このフレームワークは推論毎に2.1 GFLOPしか必要とせず、したがってリアルタイムの法医学的な監視アプリケーションで使用することができる。
論文参考訳（メタデータ） (2026-07-08T09:07:52Z)
Optimized Culprit Identification Using Mobilenet and Attention Mechanisms [0.0]
チャネルと空間的注意機構を統合した軽量なMobileNetアーキテクチャを用いて,最適化されたディープラーニングフレームワークを提案する。提案モデルは,無関係な背景情報を抑えつつ,最も識別性の高い領域に選択的に焦点を絞って特徴表現を強化する。例えば、Labelled Faces in the Wild (LFW)、CASIA-FaceWeb、VGGFace2のサブセットなどである。提案手法は計算量が少なく,推論時間を短縮し,リアルタイム監視やエッジベースアプリケーションに適した手法である。
論文参考訳（メタデータ） (2026-05-04T19:18:42Z)
Digital Image Forgery Detection Using Transfer Learning [0.3914676152740142]
本研究では,デジタル画像偽造検出のための転送学習フレームワークを提案する。圧縮認識機能拡張とディープ畳み込みニューラルネットワーク(CNN)アーキテクチャを統合する。全体として、提案フレームワークは、操作成果物の可視性を向上し、分類の堅牢性を向上し、現実世界のデジタル画像偽造検出シナリオに適している。
論文参考訳（メタデータ） (2026-05-04T17:48:36Z)
SIDeR: Semantic Identity Decoupling for Unrestricted Face Privacy [53.75084833636302]
本稿では,非制限顔プライバシー保護のためのセマンティックデカップリング駆動フレームワークSIDeRを提案する。 SIDeRは、顔画像をマシン認識可能な識別特徴ベクトルと視覚的に知覚可能なセマンティックな外観成分に分解する。認証されたアクセスのために、SIDeRは正しいパスワードが提供されるときに元の形式に復元できる。
論文参考訳（メタデータ） (2026-02-04T19:30:48Z)
An Optimized Decision Tree-Based Framework for Explainable IoT Anomaly Detection [1.2520011735093362]
モノのインターネット(IoT)デバイスの増加は、サイバー脅威の攻撃面を著しく増加させています。本稿では、最適化された決定木分類器に基づく説明可能なAI(XAI)フレームワークを提案する。提案システムは,99.91%の精度,99.51%のF1スコア,0.9960のコーエンカッパ,98.93%のクロスバリデーション平均精度で高い安定性が確認された。
論文参考訳（メタデータ） (2026-01-18T08:48:53Z)
A Dual-Branch CNN for Robust Detection of AI-Generated Facial Forgeries [4.313893060699182]
顔偽造技術は、AIセキュリティ、デジタルメディアの完全性、および公的な信頼に重大な脅威をもたらす。顔偽造検出のための新しい二分岐畳み込みニューラルネットワークを提案する。 4つの代表法から生成された鍛造画像を含むDiFFベンチマークを用いて,本モデルの評価を行った。
論文参考訳（メタデータ） (2025-10-28T17:06:40Z)
EyeSeg: An Uncertainty-Aware Eye Segmentation Framework for AR/VR [58.33693755009173]
EyeSegは拡張現実(AR)と仮想現実(VR)のための不確実性を認識したアイセグメンテーションフレームワーク我々は,従来のアプローチを超越したMIoU,E1,F1,ACCのセグメンテーション改善を実現していることを示す。
論文参考訳（メタデータ） (2025-07-13T14:33:10Z)
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)
Enhancing Infrared Small Target Detection Robustness with Bi-Level Adversarial Framework [61.34862133870934]
本稿では,異なる汚職の存在下での検出の堅牢性を促進するために,二段階の対向的枠組みを提案する。我々の手法は広範囲の汚職で21.96%のIOUを著しく改善し、特に一般ベンチマークで4.97%のIOUを推進している。
論文参考訳（メタデータ） (2023-09-03T06:35:07Z)
Robust and Precise Facial Landmark Detection by Self-Calibrated Pose Attention Network [73.56802915291917]
より堅牢で正確な顔のランドマーク検出を実現するための半教師付きフレームワークを提案する。より効果的な顔形状制約をモデル化するために,境界対応ランドマーク強度(BALI)フィールドを提案する。自己キャリブレーション・ポース・アテンション(SCPA)モデルは、中間的監督を強制する自己学習型目標関数を提供するように設計されている。
論文参考訳（メタデータ） (2021-12-23T02:51:08Z)
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)
Face Anti-Spoofing Via Disentangled Representation Learning [90.90512800361742]
顔認識システムのセキュリティには、顔の偽造が不可欠だ。本稿では,画像から生意気な特徴やコンテンツの特徴を乱す顔のアンチ・スプーフィングの新たな視点を提案する。
論文参考訳（メタデータ） (2020-08-19T03:54:23Z)

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。