論文の概要: What Happens to Accuracy When Photo Lineups Contain Non-Mated Rank-One Images From Large Galleries?
- arxiv url: http://arxiv.org/abs/2607.21792v1
- Date: Thu, 23 Jul 2026 20:17:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-27 20:58:56.995224
- Title: What Happens to Accuracy When Photo Lineups Contain Non-Mated Rank-One Images From Large Galleries?
- Title（参考訳）: 写真ラインナップに巨大なギャラリーの写真が混ざり合っている場合、その正確さはどうなるのか?
- Abstract要約: 本研究は, ギャラリーの規模に応じて, 不正確な識別を行う目撃者の確率が増大するかどうかを検証した。
より大きなギャラリーは、目撃者が不正確な識別を行う可能性と、その(正しくない)識別に対する信頼の両方を増大させる。
- 参考スコア（独自算出の注目度）: 8.028813789555477
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: One-to-many facial identification is commonly used to match a probe image from surveillance video against a gallery of driver's licenses and/or booking photos. The algorithm's rank-one image from the gallery, or a human examiner's selection from the algorithm's top-ranked images, may then be placed in a photo lineup shown to a witness. Witness selection of the gallery image in the photo lineup may then lead directly to the person in the gallery image being arrested. This facial identification process is involved in at least 9 wrongful arrests. This work specifically examines whether the probability of a witness making an incorrect identification increases with the size of the gallery searched. We compare photo lineup accuracy when the "suspect" image is drawn from galleries of 500, 5,000, and 24,000 images. We find that larger galleries increase both the likelihood of a witness making an incorrect identification and their confidence in that (incorrect) identification. These results raise questions of whether an image resulting from such a facial identification process should be used in photo lineups and of whether results of a photo lineup alone should constitute probable cause for arrest.
- Abstract（参考訳）: 1対多の顔認証は、監視ビデオのプローブ画像と運転免許証のギャラリー、または写真の予約とを一致させるのが一般的である。
ギャラリーからのアルゴリズムのランクワン画像、またはアルゴリズムの上位画像からの人間の検査官の選択は、証人に見せる写真ラインナップに置かれる。
フォトラインナップ内のギャラリー画像の証人選びは、ギャラリー画像の人物が逮捕される直接につながる可能性がある。
この顔認証プロセスは、少なくとも9回の不正逮捕に関与している。
本研究は, ギャラリーの大きさによって, 不正確な識別を行う目撃者の確率が増大するかどうかを特に検証する。
我々は,500,5000,24,000の画像のギャラリーから「疑似」画像が描かれた場合のラインアップ精度を比較した。
より大きなギャラリーは、目撃者が不正確な識別を行う可能性と、その(正しくない)識別に対する信頼の両方を増大させる。
これらの結果は、このような顔認証プロセスから得られる画像が写真ラインナップに使用されるべきか、写真ラインナップのみの結果が逮捕の可能性のある原因となるのか、という疑問を提起する。
関連論文リスト
- Are you In or Out (of gallery)? Wisdom from the Same-Identity Crowd [6.818318933838661]
1対多の顔認証における中心的な問題は、プローブ画像の人物がギャラリーに登録された画像を持っているかしないかである。
我々は、ランク1の結果がイン・ギャラリー/アウト・オブ・ギャラリーであるかどうかを予測するために、ランク1の結果を付加的に登録した画像を用いて新しいアプローチをとる。
論文 参考訳（メタデータ） (2025-08-08T14:39:29Z) - TeLL Me what you cant see [17.66342269632214]
法執行機関はしばしば、高品質な画像の不足や、その陳腐化に関連する課題に直面している。
本稿では,これらの制約に対処する新しい法医学的なマグショット強化フレームワークを提案する。
論文 参考訳（メタデータ） (2025-03-25T09:12:59Z) - Impact of Sunglasses on One-to-Many Facial Identification Accuracy [7.130807361824668]
1対多の顔認証に使われるプローブ画像は、監視ビデオのフレームから収集されることが多い。
ムグショット品質の画像に対するサングラスの精度は、強いぼやけや顕著に低い解像度に類似した量で低下することを示した。
暗いサングラスによる精度劣化を改善するため,すべてのギャラリー画像にサングラスを合成することにより,失った精度の約38%を回復できることを示した。
論文 参考訳（メタデータ） (2024-12-07T18:35:05Z) - Analysis of Adversarial Image Manipulations [0.7734726150561088]
オンラインでアップロードされた画像は、ユーザーの同意や知識なしに取り除くことができる。
本稿では,シンプルな画像操作技術が顔認識ソフトウェアの精度に与える影響について検討する。
論文 参考訳（メタデータ） (2023-05-10T16:52:43Z) - Privacy-Preserving Face Recognition with Learnable Privacy Budgets in
Frequency Domain [77.8858706250075]
本稿では,周波数領域における差分プライバシーを用いたプライバシ保護顔認証手法を提案する。
本手法はいくつかの古典的顔認証テストセットで非常によく機能する。
論文 参考訳（メタデータ） (2022-07-15T07:15:36Z) - Harnessing Unrecognizable Faces for Face Recognition [87.80037162457427]
本稿では,顔画像の認識可能性の尺度を提案し,主に認識可能なアイデンティティを用いて訓練されたディープニューラルネットワークによって実現された。
FAR=1e-5において,認識可能性を考慮した場合,単画像認識の誤り率を58%減少させることを示す。
論文 参考訳（メタデータ） (2021-06-08T05:25:03Z) - Towards Face Encryption by Generating Adversarial Identity Masks [53.82211571716117]
敵の識別マスクを生成するためのターゲットID保護反復法(TIP-IM)を提案する。
TIP-IMは、様々な最先端の顔認識モデルに対して95%以上の保護成功率を提供する。
論文 参考訳（メタデータ） (2020-03-15T12:45:10Z) - Investigating the Impact of Inclusion in Face Recognition Training Data
on Individual Face Identification [93.5538147928669]
最新のオープンソースの顔認識システムであるArcFaceを、100万枚以上の散らばった画像を用いた大規模な顔識別実験で監査する。
モデルのトレーニングデータには79.71%、存在しない人には75.73%のランク1顔認証精度がある。
論文 参考訳（メタデータ） (2020-01-09T15:50:28Z)
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。