Die Studie präsentiert ein umfassendes Framework zur filterresistenten Gesichtserkennung und Gesichtsattributanalyse. Zunächst wurde ein Datensatz von 102 Personen mit 10 verschiedenen Filtern erstellt, um die Auswirkungen von Filtern auf Gesichtserkennungssysteme zu untersuchen.
Basierend auf diesem Datensatz wurde das FaceFilterNet-Modell entwickelt, das Gesichter auch bei Verwendung von Filtern zuverlässig erkennt. Dieses Modell diente dann als Feature-Extraktor für die Entwicklung von Systemen zur Schätzung von Alter (AgeFilterNet), Geschlecht (GenderFilterNet) und Ethnizität (EthnicityFilterNet), die ebenfalls filterresistent sind.
Die Ergebnisse zeigen, dass die vorgeschlagenen Modelle deutlich besser abschneiden als bestehende Ansätze, wenn Filtereffekte berücksichtigt werden müssen. Darüber hinaus wurde eine detaillierte filterbasierte Analyse durchgeführt, um den Grad der Verzerrung durch einzelne Filter zu quantifizieren und deren Verwendbarkeit zu kommentieren.
Insgesamt präsentiert die Studie ein umfassendes Framework, das die Herausforderungen von Filtern in Gesichtserkennungssystemen adressiert und robuste Lösungen für verschiedene Anwendungsfälle bietet.
To Another Language
from source content
arxiv.org
Głębsze pytania