文献

J-GLOBAL ID：202002216001857658   整理番号：20A1241064

信頼できる顔認識のための分布外検出【JST・京大機械翻訳】

Out-of-Distribution Detection for Reliable Face Recognition

著者 (4件)： Yu Chang (Institute of Automation, Chinese Academy of Science and the School of Artificial Intelligence, CBSR & NLPR, University of Chinese Academy of Sciences (UCAS), Beijing, China) ,  Zhu Xiangyu (Institute of Automation, Chinese Academy of Science and the School of Artificial Intelligence, CBSR & NLPR, University of Chinese Academy of Sciences (UCAS), Beijing, China) ,  Lei Zhen (Institute of Automation, Chinese Academy of Science and the School of Artificial Intelligence, CBSR & NLPR, University of Chinese Academy of Sciences (UCAS), Beijing, China) ,  Li Stan Z. (Institute of Automation, Chinese Academy of Science and the School of Artificial Intelligence, CBSR & NLPR, University of Chinese Academy of Sciences (UCAS), Beijing, China)
資料名： IEEE Signal Processing Letters  (IEEE Signal Processing Letters)
巻： 27  ページ： 710-714  発行年： 2020年 
JST資料番号： W0576A  ISSN： 1070-9908  CODEN： ISPLEM  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 実際の応用において,顔認識システムは,顔検出器による誤検出のような複雑な条件により,常に非顔入力と低品質顔に直面している。しかしながら,深い学習ベースの方法において,これらの異常値は常に訓練段階の間に無視され,モデルはこれらの画像に関する不合理な決定を行う傾向がある。例えば,テクスチャに富むパッチをolマン顔に整合させることができる。著者らは,ネットワークが安全に実行できるセットの外側にあるか否かを決定しなければならない,配電外検出(OOD)のタスクに関するこの挑戦を定式化する。本論文では,不確実性予測と特徴のL2ノルムに基づいて分布外サンプルを検出し,非顔と低品質顔を効果的にフィルタすることを提案した。著者らは,提案した方法が,ラベルされたOODデータを必要とせずに,分布外サンプルを確実に検出し,顔認識の性能を改善できることを実証した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： フィルタ ,  学習 ,  ネットワーク ,  不確実性 ,  配電 ,  *異常値 ,  定式化
準シソーラス用語： 顔検出 ,  誤検出 ,  L2ノルム ,  *顔貌認識 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 信頼 ,  顔認識 ,  分布