文献

J-GLOBAL ID：201902272515502956   整理番号：19A0492399

マルチタスクとマルチスケール特徴融合による顔検証【JST・京大機械翻訳】

Face Verification with Multi-Task and Multi-Scale Feature Fusion

著者 (5件)： Lu Xiaojun (College of Sciences, Northeastern University, Shenyang 110819, China) ,  Yang Yue (College of Sciences, Northeastern University, Shenyang 110819, China) ,  Zhang Weilin (Department of Mathematics, New York University Shanghai, 1555 Century Ave, Pudong, Shanghai 200122, China) ,  Wang Qi (College of Sciences, Northeastern University, Shenyang 110819, China) ,  Wang Yang (College of Sciences, Northeastern University, Shenyang 110819, China)
資料名： Entropy (Web)  (Entropy (Web))
巻： 19  号： 5  ページ： 228  発行年： 2017年 
JST資料番号： U7179A  ISSN： 1099-4300  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 野生における非制限面に対する顔検証は挑戦課題である。本論文は,顔検証のための2つの深い畳込みニューラルネットワーク(CNN)に基づく方法を提案した。本研究では,一つのCNNを重畳するための同定信号と,他の一つを訓練するための半検証と同定の組合せを用いて調べた。低計算コストにおける半検証損失を推定するために,すべての面から構成される円を対サンプルから顔ペアを選択するために用いた。顔正規化の過程において,著者らは,姿勢に起因する問題を解決するために,顔の異なるランドマークを用いることを提案した。さらに,最終顔表現は主成分分析(PCA)低減後の各深CNNの連結特徴により形成される。さらに,各特徴は補助分類器の利用を通してマルチスケール表現の組合せである。最後の検証のために,一つの領域の顔表現と顔結合Joint Bayes分類器の一つの分解能を採用した。実験は,著者らの方法が小さな訓練データセットによって効果的顔表現を抽出することができることを示して,著者らのアルゴリズムは,Wild(LFW)データセットにおいてラベリングした要素に関して99.71%の検証精度を達成した。Copyright 2019 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 主成分分析 ,  アルゴリズム ,  正規化 ,  分解能 ,  *表情
準シソーラス用語： 訓練データ ,  ランドマーク ,  計算コスト ,  畳込みニューラルネットワーク ,  *特徴融合 ,  *マルチスケール , 【Automatic Indexing@JST】

著者キーワード (5件)： 深部畳込みニューラルネットワーク ,  同定 ,  半検証 ,  マルチスケール特徴 ,  顔の検証

分類 (1件)： パターン認識  (JE07000S)

引用文献 (28件)：

• Ren, S.; He, K.; Girshick, R.; Sun, J. Faster R-CNN: Towards real-time object detection with region proposal networks. arXiv, 2015; arXiv:1506.01497.
• Long, J.; Shelhamer, E.; Darrell, T. Fully convolutional networks for semantic segmentation. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, Boston, MA, USA, 7-12 June 2015; pp. 3431-3440.
• Krizhevsky, A.; Sutskever, I.; Hinton, G.E. Imagenet classification with deep convolutional neural networks. In Proceedings of the Twenty-Sixth Annual Conference on Neural Information Processing Systems (NIPS), Stateline, NV, USA, 3-8 December 2012; pp. 1097-1105.
• Schroff, F.; Kalenichenko, D.; Philbin, J. Facenet: A unified embedding for face recognition and clustering. In Proceedings of the 2015 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Boston, MA, USA, 7-12 June 2015; pp. 815-823.
• Liu, J.; Deng, Y.; Bai, T.; Wei, Z.P.; Huang, H. Targeting ultimate accuracy: Face recognition via deep embedding. arXiv, 2015; arXiv:1506.07310.

タイトルに関連する用語 (5件)： マルチタスク ,  マルチスケール ,  特徴融合 ,  顔 ,  検証