抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
過去10年の変曲点に到達するコンピュータビジョンにより,顔認識技術は,ポーリング,知能収集,および消費者アプリケーションにおいて普及している。最近,顔認証技術は,事務員を安全に保ち,状況認識を可能にし,試験の証拠を提供するために,胴体カメラに配備されている。しかし,小さなサンプルサイズを有するデータセットに関する従来の技術を使用して,このトピックに関して,限られた学術研究が行われた。本論文は,胴体カメラ(BWC)を用いて最先端の顔認識におけるギャップを埋めることを目的とする。この目的のために,本研究の貢献は2倍である。(1)屋内および昼光条件における身体-窓カメラを用いて捕獲された132人の被験者の合計178K顔画像からなるBWCFaceと呼ばれるデータセットの収集,および(2)収集したデータセット上で顔同定のための5つの異なる損失関数と結合した最新の深層学習ベース畳込みニューラルネットワーク(CNN)アーキテクチャのオープンセット評価。著者らのBWCFaceデータセットに関する実験結果は,顔特徴が大規模VGGFace2顔画像データセット上で訓練されたSENet-50を用いて抽出されたときに得られた最大33.89%のRank-1精度を示唆した。しかし,事前訓練CNNモデルを著者らのBWCFaceデータセットにおける同一性の部分集合上で微調整するとき,性能は最大99.00%Rank-1精度まで改善した。等価性能は,既存の顔データセットで使用されたボディーornカメラセンサモデルで得られた。収集したBWCFaceデータセットと事前訓練/微調整アルゴリズムは,この分野におけるさらなる研究と開発を促進するために,公的に利用可能である。このデータセットとアルゴリズムのダウンロード可能なリンクは,著者の接触によって利用可能である。【JST・京大機械翻訳】
