A Masked Face Classification Benchmark

要約

マスク分類の目的でフェイス マスクを着用し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します。これは Small Face MASK (SF-MASK) と呼ばれます。
7 ～ 64 x 64 ピクセルの解像度。
グリッドをカウントすることにより、このコレクションを正確に視覚化することで、歩行者の頭がとるさまざまなポーズのギャップを強調することができました。
特に、顔の特徴が大きく歪んで見える非常に高いカメラで撮影された顔はありません。
この構造上の欠陥に対処するために、クラス内分散を十分にカバーする合成画像のセットを作成しました。
さらに、1701 枚の画像の小さなサブサンプルには、ひどく着用されたフェイス マスクが含まれているため、マルチクラス分類の問題が生じます。
SF-MASK の実験では、いくつかの分類器を使用したフェイス マスクの分類に焦点を当てています。
結果は、SF-MASK (実際の画像と合成画像) の豊富さにより、テストされたすべての分類子が、固定された 1077 の画像テスト セットで比較フェイス マスク データセットを利用するよりも優れたパフォーマンスを発揮することを示しています。
データセットと評価コードは、https://github.com/HumaticsLAB/sf-mask で公開されています。

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, Google