Unmasking the Uniqueness: A Glimpse into Age-Invariant Face Recognition of Indigenous African Faces

要約

個人の年齢に応じた顔を認識するタスクである年齢不変顔認識 (AIFR) は、アフリカに比べてヨーロッパ、アメリカ、アジアでかなりの研究努力が行われてきました。
したがって、AIFRの研究活動では、非先住民アフリカ人のアフリカ民族性が過小評価されたり、誤って表現されたりすることがよくありました。
この研究では、顔画像分析研究におけるアフリカ民族の誤った表現を減らすために、アフリカ先住民の顔のための AIFR システムを開発しました。
この研究のために収集された 5,000 人のアフリカ先住民の顔のデータセット (FAGE\_v2) に対して、AIFR 用の事前トレーニング済みディープ ラーニング モデル (VGGFace) を採用しました。
FAGE\_v2 は、アフリカ 10 か国に均等に分布する 500 人の個人をインターネット画像検索して厳選されました。
VGGFace は FAGE\_v2 でトレーニングされ、81.80\% の最高の精度が得られました。
また、CACD データセットのアフリカ系アメリカ人のサブセットに対して実験を実行し、91.5% という最高の精度が得られました。
結果は、アフリカ先住民と非先住民の認識精度に大きな違いがあることを示しています。

要約(オリジナル)

The task of recognizing the age-separated faces of an individual, Age-Invariant Face Recognition (AIFR), has received considerable research efforts in Europe, America, and Asia, compared to Africa. Thus, AIFR research efforts have often under-represented/misrepresented the African ethnicity with non-indigenous Africans. This work developed an AIFR system for indigenous African faces to reduce the misrepresentation of African ethnicity in facial image analysis research. We adopted a pre-trained deep learning model (VGGFace) for AIFR on a dataset of 5,000 indigenous African faces (FAGE\_v2) collected for this study. FAGE\_v2 was curated via Internet image searches of 500 individuals evenly distributed across 10 African countries. VGGFace was trained on FAGE\_v2 to obtain the best accuracy of 81.80\%. We also performed experiments on an African-American subset of the CACD dataset and obtained the best accuracy of 91.5\%. The results show a significant difference in the recognition accuracies of indigenous versus non-indigenous Africans.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google