Core Concepts
マスク着用時の顔認識の問題に対して、マスク領域の除去と深層学習ベースの特徴抽出を組み合わせた信頼性の高い手法を提案する。
Abstract
本論文では、COVID-19 パンデミック下での効率的なマスク着用顔認識手法を提案している。
まず、前処理段階でマスク領域を除去し、目とおでこの領域のみを抽出する。次に、VGG-16、AlexNet、ResNet-50の3つの事前学習済みの深層畳み込みニューラルネットワークを用いて、これらの領域から深層特徴を抽出する。その後、最後の畳み込み層の特徴マップに対してバッグオブフィーチャーズ手法を適用し、特徴量の量子化を行う。最後に多層パーセプトロンによる分類を行う。
Real-World-Masked-Face-Datasetを用いた実験結果では、提案手法が他の最先端手法と比較して高い認識精度を達成している。特に、VGG-16モデルを用いた場合に最高91.3%の精度が得られた。また、計算時間の比較でも提案手法が優れていることが示された。
本手法は、マスク着用時の顔認識問題に対して信頼性の高い解決策を提供するものである。マスク領域の除去と深層特徴の量子化手法の組み合わせにより、実用的な顔認識を実現できる。今後は、さらなる精度向上のために、アンサンブルモデルの適用などを検討していく予定である。
Stats
マスク着用時の顔認識精度は91.3%に達した
提案手法は他の手法と比べて計算時間が短い
Quotes
"マスク着用時の顔認識の問題に対して、マスク領域の除去と深層学習ベースの特徴抽出を組み合わせた信頼性の高い手法を提案する。"
"Real-World-Masked-Face-Datasetを用いた実験結果では、提案手法が他の最先端手法と比較して高い認識精度を達成している。"