文献

J-GLOBAL ID：202202253409529090   整理番号：22A1037780

クロスモダリティ弁別器ネットワークとユニットクラス損失を用いた不均一可視-熱および可視-赤外線顔認識【JST・京大機械翻訳】

Heterogeneous Visible-Thermal and Visible-Infrared Face Recognition Using Cross-Modality Discriminator Network and Unit-Class Loss

著者 (4件)： Cheema Usman (Department of Computer Engineering, Sejong University, Seoul, Republic of Korea) ,  Ahmad Mobeen (Department of Computer Engineering, Sejong University, Seoul, Republic of Korea) ,  Han Dongil (Department of Computer Engineering, Sejong University, Seoul, Republic of Korea) ,  Moon Seungbin (Department of Computer Engineering, Sejong University, Seoul, Republic of Korea)
資料名： Computational Intelligence and Neuroscience (Web)  (Computational Intelligence and Neuroscience (Web))
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： U7694A  ISSN： 1687-5265  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 不均一顔認識(HFR)は,可視から赤外および可視から熱のような異なる画像領域にわたって顔画像をマッチングすることを目的とする。最近,非可視イメージングの増加する有用性は,バイオメトリクス,セキュリティ,および監視などの領域におけるHFRの応用展望を増加させた。HFRは,異なるイメージングドメインの違いによる顔認識の挑戦的な変量である。現在の研究は,HFRのための画像前処理,特徴抽出,または一般的部分空間投影を提案したが,これらの多段法の最適化は,各ステップが別々に最適化され,性能誤差が各段階で蓄積されるので,挑戦的なタスクである。本論文では,HFRのための統一エンドツーエンドクロスモダリティ識別ネットワーク(CMDN)を提案した。提案したネットワークは,交差ドメイン顔マッチングのための深い特徴関係を学習するために,深い関係識別器モジュールを使用する。同時に,CMDNを用いて顔画像のためのモダリティ独立埋込みベクトルを抽出した。CMDNパラメータは,他の一般的な計量学習損失関数に対してより高い安定性と精度を示す新しいユニットClass損失を用いて最適化される。5つの一般的なHFRデータセットに関する実験結果は,提案方法が既存の最先端の方法に関して顕著な改良を達成することを示した。Copyright 2022 Usman Cheema et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  *赤外線 ,  ベクトル ,  *弁別器 ,  学習 ,  損失関数 ,  *ネットワーク ,  特徴抽出 ,  画像処理 ,  *顔 ,  *知識表現 ,  セキュリティ ,  バイオメトリクス ,  顔画像
準シソーラス用語： *モダリティ ,  部分空間 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

引用文献 (47件)：

• X. Fu, "Design of facial recognition system based on visual communication effect," Computational Intelligence and Neuroscience, vol. 2021, pp. 9, 2021.
• S. Sengupta, J. C. Chen, C. Castillo, V. M. Patel, R. Chellappa, D. W. Jacobs, "Frontal to profile face verification in the wild," Proceedings of the 2016 IEEE Winter Conf. Appl. Comput. Vision, WACV 2016, Institute of Electrical and Electronics Engineers Inc., Lake Placid, NY, USA, March, 2016.
• Z. Wang, X. Tang, W. Luo, S. Gao, "Face aging with identity-preserved conditional generative adversarial networks," . Proceedings of the Proc. IEEE Comput. Soc. Conf. Comput. Vis. Pattern Recognit, pp. 7939-7947, IEEE Computer Society, Salt Lake City, UT, USA, June, 2018.
• E. Zangeneh, M. Rahmati, Y. Mohsenzadeh, "Low resolution face recognition using a two-branch deep convolutional neural network architecture," Expert Systems with Applications, vol. 139, 2020.
• T. I. Dhamecha, A. Nigam, R. Singh, M. Vatsa, "Disguise detection and face recognition in visible and thermal spectrums," Proceedings of the Proc. - 2013 Int. Conf. Biometrics, ICB 2013, IEEE Computer Society, Madrid, Spain, June, 2013.

タイトルに関連する用語 (7件)： モダリティ ,  弁別器 ,  クラス ,  損失 ,  不均一 ,  赤外線 ,  顔認識