Joint Person Identity, Gender and Age Estimation from Hand Images using Deep Multi-Task Representation Learning

要約

この論文では、犯罪捜査の目的で手の画像から個人の身元、性別、年齢を共同で推定するためのマルチタスク表現学習フレームワークを提案します。
性的虐待として。
さまざまな最新の深層学習アーキテクチャを調査し、重大犯罪の加害者の手の画像から身元、性別、年齢を共同推定するパフォーマンスを比較します。
データの不均衡を克服し、年齢予測を簡素化するために、年齢推定用の年齢グループを作成します。
公開されている 11,000 ハンドのデータセットで、畳み込みベースとトランスフォーマー ベースの両方のディープ ラーニング アーキテクチャの広範な評価と比較を行います。
私たちの実験的分析は、身元だけでなく、犯罪捜査のための手の画像から容疑者の性別や年齢などの他の属性を効率的に推定できることを示しています。これは、法廷で国際警察が虐待者を特定して有罪判決を下すのに役立ちます

要約(オリジナル)

In this paper, we propose a multi-task representation learning framework to jointly estimate the identity, gender and age of individuals from their hand images for the purpose of criminal investigations since the hand images are often the only available information in cases of serious crime such as sexual abuse. We investigate different up-to-date deep learning architectures and compare their performance for joint estimation of identity, gender and age from hand images of perpetrators of serious crime. To overcome the data imbalance and simplify the age prediction, we create age groups for the age estimation. We make extensive evaluations and comparisons of both convolution-based and transformer-based deep learning architectures on a publicly available 11k hands dataset. Our experimental analysis shows that it is possible to efficiently estimate not only identity but also other attributes such as gender and age of suspects jointly from hand images for criminal investigations, which is crucial in assisting international police forces in the court to identify and convict abusers.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google