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.
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 .
การแปล กรุณารอสักครู่..