要約
機械学習とコンピュータービジョンの最近の進歩により、顔認識の精度が人間の性能を超えていることが報告されています。
これらのシステムが、潜在的に低解像度、低品質、部分的に遮蔽された画像を標準の顔データベースと比較する現実世界の法医学シナリオに応用できるかどうかは疑問です。
我々は、大規模な合成顔データセットと制御された顔フォレンジックのラインナップの構築について説明します。これらの組み合わせにより、現実世界のさまざまな条件下での顔認識の制御された評価が可能になります。
この合成データセットと実際の顔の一般的なデータセットを使用して、2 つの一般的なニューラル ベースの認識システムの精度を評価します。
以前に報告された 95% 以上の顔認識精度が、このより困難な法医学シナリオでは 65% まで低下することがわかりました。
要約(オリジナル)
Recent advances in machine learning and computer vision have led to reported facial recognition accuracies surpassing human performance. We question if these systems will translate to real-world forensic scenarios in which a potentially low-resolution, low-quality, partially-occluded image is compared against a standard facial database. We describe the construction of a large-scale synthetic facial dataset along with a controlled facial forensic lineup, the combination of which allows for a controlled evaluation of facial recognition under a range of real-world conditions. Using this synthetic dataset, and a popular dataset of real faces, we evaluate the accuracy of two popular neural-based recognition systems. We find that previously reported face recognition accuracies of more than 95% drop to as low as 65% in this more challenging forensic scenario.
arxiv情報
著者 | Justin Norman,Shruti Agarwal,Hany Farid |
発行日 | 2023-11-10 16:02:46+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google