A Masked Face Classification Benchmark on Low-Resolution Surveillance Images

要約

我々は、マスク分類を目的とした、フェイスマスクを着けた小さな顔に焦点を当てた新しい画像データセットを提案する。このデータセットは、Small Face MASK（SF-MASK）と名付けられ、7×7から64×64ピクセルの解像度を持つ、多様で異種のデータセットからエクスポートされた2万枚の低解像度画像から構成される。このコレクションをカウントグリッドによって正確に可視化することで、歩行者の頭部がとるさまざまなポーズのギャップを強調することが可能になった。特に、非常に高いカメラで撮影された顔には、顔の特徴が強く歪んで見えるものがない。この構造的欠陥に対処するため、クラス内分散を十分にカバーする合成画像セットを作成した。さらに、1701枚の画像からなる小さなサブサンプルには、ひどく着用された顔マスクが含まれており、多クラス分類の課題への扉を開いた。SF-MASKの実験では、複数の分類器を用いたフェイスマスク分類に焦点を当てた。その結果、SF-MASKの豊富な画像（実画像＋合成画像）により、テストした全ての分類器が、固定された1077画像のテストセットにおいて、比較対象のフェイスマスクデータセットを利用するよりも良い性能を示すことが示された。データセットと評価コードはこちらで公開されています: https://github.com/HumaticsLAB/sf-mask

要約(オリジナル)

We propose a novel image dataset focused on tiny faces wearing face masks for mask classification purposes, dubbed Small Face MASK (SF-MASK), composed of a collection made from 20k low-resolution images exported from diverse and heterogeneous datasets, ranging from 7 x 7 to 64 x 64 pixel resolution. An accurate visualization of this collection, through counting grids, made it possible to highlight gaps in the variety of poses assumed by the heads of the pedestrians. In particular, faces filmed by very high cameras, in which the facial features appear strongly skewed, are absent. To address this structural deficiency, we produced a set of synthetic images which resulted in a satisfactory covering of the intra-class variance. Furthermore, a small subsample of 1701 images contains badly worn face masks, opening to multi-class classification challenges. Experiments on SF-MASK focus on face mask classification using several classifiers. Results show that the richness of SF-MASK (real + synthetic images) leads all of the tested classifiers to perform better than exploiting comparative face mask datasets, on a fixed 1077 images testing set. Dataset and evaluation code are publicly available here: https://github.com/HumaticsLAB/sf-mask

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL