Tackling Face Verification Edge Cases: In-Depth Analysis and Human-Machine Fusion Approach

要約

現在、顔認識システムはいくつかのデータセットで人間のパフォーマンスを上回っています。
ただし、マシンが正しく分類できない特殊なケースがまだ存在します。
この論文では、顔認証タスクにおける機械オペレーターと人間オペレーターの組み合わせの影響を調査します。
まず、いくつかの最先端モデルのエッジケースを詳しく調べて、一般的なデータセットの困難な設定を発見します。
次に、人間によるこれらの選択されたタスクについて 60 人の参加者による研究を実施し、広範な分析を提供します。
最後に、機械と人間の判断を組み合わせることで、さまざまなベンチマーク データセット上で最先端の顔認証システムのパフォーマンスをさらに向上できることを実証します。
コードとデータは GitHub で公開されています。

要約(オリジナル)

Nowadays, face recognition systems surpass human performance on several datasets. However, there are still edge cases that the machine can’t correctly classify. This paper investigates the effect of a combination of machine and human operators in the face verification task. First, we look closer at the edge cases for several state-of-the-art models to discover common datasets’ challenging settings. Then, we conduct a study with 60 participants on these selected tasks with humans and provide an extensive analysis. Finally, we demonstrate that combining machine and human decisions can further improve the performance of state-of-the-art face verification systems on various benchmark datasets. Code and data are publicly available on GitHub.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google