This paper studies the influence of

This paper studies the influence of demographics on
the performance of face recognition algorithms. The recognition
accuracies of six different face recognition algorithms (three commercial,
two nontrainable, and one trainable) are computed on a
large scale gallery that is partitioned so that each partition consists
entirely of specific demographic cohorts. Eight total cohorts
are isolated based on gender (male and female), race/ethnicity
(Black, White, and Hispanic), and age group (18–30, 30–50, and
50–70 years old). Experimental results demonstrate that both
commercial and the nontrainable algorithms consistently have
lower matching accuracies on the same cohorts (females, Blacks,
and age group 18–30) than the remaining cohorts within their
demographic. Additional experiments investigate the impact of
the demographic distribution in the training set on the performance
of a trainable face recognition algorithm. We show that
the matching accuracy for race/ethnicity and age cohorts can be
improved by training exclusively on that specific cohort. Operationally,
this leads to a scenario, called dynamic face matcher
selection, wheremultiple face recognition algorithms (each trained
on different demographic cohorts) are available for a biometric
system operator to select based on the demographic information
extracted from a probe image. This procedure should lead to
improved face recognition accuracy in many intelligence and law
enforcement face recognition scenarios. Finally, we show that
an alternative to dynamic face matcher selection is to train face
recognition algorithms on datasets that are evenly distributed
across demographics, as this approach offers consistently high
accuracy across all cohorts.

ผลลัพธ์ (ไทย) 1:

กระดาษนี้ศึกษาอิทธิพลของลักษณะประชากรการประสิทธิภาพของกระบวนการรู้จำใบหน้า การรู้accuracies หกหน้าแตกรู้อัลกอริทึม (สามพาณิชย์nontrainable สอง และหนึ่ง trainable) คำนวณในการเก็บขนาดใหญ่ที่กั้นเพื่อให้แต่ละพาร์ติชันที่ประกอบด้วยของเฉพาะ cohorts ประชากรทั้งหมด Cohorts รวมแปดจะแยกตามเพศ (ชาย และหญิง), การแข่งขัน/เชื้อชาติ(ดำ ขาว และ Hispanic), และกลุ่มอายุ (18-30, 30-50 และ50 – 70 ปี) ผลการทดลองแสดงให้เห็นที่ทั้งสองพาณิชย์และอัลกอริทึม nontrainable อย่างสม่ำเสมอได้ลด accuracies จับคู่บน cohorts เดียวกัน (หญิง ดำและกลุ่มอายุ 18 – 30) กว่า cohorts เหลือภายในของพวกเขาประชากร เพิ่มเติมทดลองตรวจสอบผลกระทบของการกระจายประชากรในการฝึกที่ตั้งการปฏิบัติงานของขั้นตอนวิธีการรู้จำใบหน้า trainable เราแสดงที่ความถูกต้องตรงกันสำหรับการแข่งขัน/เชื้อชาติและอายุ cohorts สามารถปรับปรุง โดยการฝึกอบรมโดยเฉพาะในผู้ที่ผ่านการ Operationallyนี้นำไปสู่สถานการณ์ เรียก matcher หน้าแบบไดนามิกเลือก wheremultiple เผชิญกับอัลกอริทึมการรับรู้ (แต่ละการฝึกอบรมcohort ประชากรแตกต่างกัน) จะพร้อมใช้งานสำหรับการตรวจสอบทางชีวภาพระบบดำเนินการเลือกตามข้อมูลสำมะโนประชากรแยกจากรูปโพรบ ขั้นตอนนี้ควรทำแม่นยำหลายปัญญาและกฎหมายการปรับปรุงหน้าบังคับใบหน้ารู้สถานการณ์ สุดท้าย เราแสดงว่าทางเลือกเพื่อเลือกหน้าแบบไดนามิก matcher คือฝึกหน้าอัลกอริทึมการบน datasets ที่กระจายอย่างสม่ำเสมอข้ามข้อมูลประชากร เช่นนี้เข้ามีสูงอย่างต่อเนื่องความถูกต้องทั้งหมด cohorts

ผลลัพธ์ (ไทย) 2:

กระดาษนี้ศึกษาอิทธิพลของประชากรใน
ประสิทธิภาพการทำงานของอัลกอริทึมการจดจำใบหน้า ได้รับการยอมรับ
ความถูกต้องของหกขั้นตอนวิธีการจดจำใบหน้าที่แตกต่างกัน (สามในเชิงพาณิชย์
สอง nontrainable และหนึ่งสุวินัย) จะถูกคำนวณตาม
แกลเลอรี่ขนาดใหญ่ที่มีการแบ่งพาร์ติชันเพื่อให้แต่ละพาร์ติชันประกอบด้วย
ทั้งหมดของผองเพื่อนกลุ่มผู้เข้าชมที่เฉพาะเจาะจง แปดผองเพื่อนทั้งหมด
จะแยกตามเพศ (ชายและหญิง) เชื้อชาติ /
(สีดำ, สีขาว, และสเปน) และกลุ่มอายุ (18-30, 30-50 และ
50-70 ปี) ผลการทดลองแสดงให้เห็นว่าทั้ง
ในเชิงพาณิชย์และอัลกอริทึม nontrainable อย่างต่อเนื่องมี
ความถูกต้องตรงกับที่ลดลงในผองเพื่อนเหมือนกัน (หญิงผิวดำ,
และกลุ่มอายุ 18-30) มากกว่าผองเพื่อนที่เหลือภายในของพวกเขา
ทางด้านประชากรศาสตร์ การทดลองเพิ่มเติมตรวจสอบผลกระทบของ
การกระจายกลุ่มผู้เข้าชมอยู่ในชุดการฝึกอบรมในการปฏิบัติงาน
ของขั้นตอนวิธีการจดจำใบหน้าสุวินัย เราแสดงให้เห็นว่า
มีความถูกต้องตรงกันสำหรับการแข่งขันเชื้อชาติ / และผองเพื่อนวัยสามารถ
ปรับปรุงให้ดีขึ้นโดยการฝึกอบรมเฉพาะในหมู่คนเฉพาะที่ ปฏิบัติ
นี้นำไปสู่สถานการณ์ที่เรียกว่าใบหน้าแบบไดนามิกจับคู่
เลือก wheremultiple ขั้นตอนวิธีการจดจำใบหน้า (แต่ละการฝึกอบรม
เกี่ยวกับผองเพื่อนกลุ่มผู้เข้าชมที่แตกต่างกัน) ที่มีอยู่สำหรับไบโอเมตริกซ์
ผู้ดูแลระบบเพื่อเลือกบนพื้นฐานของข้อมูลทางด้านประชากรศาสตร์
ที่สกัดจากภาพสอบสวน ขั้นตอนนี้จะนำไปสู่
​​ความถูกต้องจดจำใบหน้าที่ดีขึ้นในด้านปัญญามากมายและกฎหมาย
การบังคับใช้สถานการณ์การจดจำใบหน้า สุดท้ายเราแสดงให้เห็นว่า
ทางเลือกให้กับใบหน้าแบบไดนามิกเลือกจับคู่คือการฝึกอบรมใบหน้า
ขั้นตอนวิธีการยอมรับในชุดข้อมูลที่มีการกระจายอย่างสม่ำเสมอ
ทั่วประชากรเป็นวิธีการนี้มีความสูงอย่างต่อเนื่อง
ความถูกต้องข้ามผองเพื่อนทั้งหมด

ผลลัพธ์ (ไทย) 3:

งานวิจัยนี้ศึกษาอิทธิพลของประชากรบน
ประสิทธิภาพของขั้นตอนวิธีการรับรู้หน้า การรับรองความถูกต้องของหก
แตกต่างกันใบหน้าขั้นตอนวิธี ( สามพาณิชย์ ,
2 nontrainable และคุ้มครอง ) จะคำนวณบน
ขนาดใหญ่ที่กั้นเพื่อให้แกลเลอรี่แต่ละพาร์ทิชันทั้งหมดประกอบด้วย
เฉพาะประชากรไทย . รวมเพื่อน
8จะแยกตามเพศ ( ชายและหญิง ) เชื้อชาติ / ชาติพันธุ์
( สีดำ , สีขาว , และสเปน ) , และกลุ่มอายุ 18 – 30 , 30 – 50 และ
50 – 70 ปี ) ผลการทดลองแสดงให้เห็นว่าทั้งเชิงพาณิชย์และขั้นตอนวิธี nontrainable

ลดอย่างมีความถูกต้องตรงกันกับเพื่อนเหมือนกัน ( เพศหญิง คนดำ และอายุ 18 – 30 กลุ่ม
) กว่าที่เหลือของผองเพื่อนใน
ประชากรการทดลองเพิ่มเติม ศึกษาผลกระทบของการกระจายของประชากรใน
ชุดฝึกอบรมในการปฏิบัติ
ของคุ้มครองใบหน้าขั้นตอนวิธี เราแสดงให้เห็นว่า
คู่ความถูกต้องสำหรับการแข่งขัน / เชื้อชาติและ cohorts อายุสามารถปรับปรุงโดยการฝึกเฉพาะ
เฉพาะรุ่นที่เข้าศึกษา ถ่วงดุล ,
ทำให้เกิดสถานการณ์ที่เรียกว่าหน้าแบบไดนามิกรับ
เลือกwheremultiple ใบหน้าขั้นตอนวิธี ( แต่ละฝึก
ในไทยทางประชากรแตกต่างกัน ) จะใช้ได้ในระบบไบโอเมตริกที่ใช้เลือกตาม

ข้อมูลประชากรแยกจากตัวภาพ ขั้นตอนนี้ควรนำไปสู่
ปรับปรุงใบหน้าความถูกต้องในหลายหน่วยสืบราชการลับ และการบังคับใช้กฎหมาย
ใบหน้าภาพ สุดท้ายเราแสดงให้เห็นว่า
ทางเลือกเพื่อเลือกหน้าแบบไดนามิกไม้ขีดไฟคือฝึกขั้นตอนวิธีการรับรู้ในข้อมูลที่หน้า

ข้ามกระจายประชากรเป็นวิธีนี้มีความแม่นยำสูง
อย่างต่อเนื่องทั่วทุกผองเพื่อน .