지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2022.10
- 수록면
- 1,375 - 1,385 (11page)
이용수
초록· 키워드
오류제보하기
In this paper, we propose a semi-supervised domain adaptation solution to deal with practical face recognition (FR) scenarios where a single face image for each target identity (to be recognized) is only available in the training phase. Main goal of the proposed method is to reduce the discrepancy between the target and the source domain face images, which ultimately improves FR performances. The proposed method is based on the Domain Adatation network (DAN) using an MMD loss function to reduce the discrepancy between domains. In order to train more effectively, we develop a novel loss function learning strategy in which MMD loss and cross-entropy loss functions are adopted by using different weights according to the progress of each epoch during the learning. The proposed weight adoptation focuses on the training of the source domain in the initial learning phase to learn facial feature information such as eyes, nose, and mouth. After the initial learning is completed, the resulting feature information is used to training a deep network using the target domain images. To evaluate the effectiveness of the proposed method, FR performances were evaluated with pretrained model trained only with CASIA-webface (source images) and fine-tuned model trained only with FERET"s gallery (target images) under the same FR scenarios. The experimental results showed that the proposed semi-supervised domain adaptation can be improved by 24.78% compared to the pre-trained model and 28.42% compared to the fine-tuned model. In addition, the proposed method outperformed other state-of-the-arts domain adaptation approaches by 9.41%.
목차
ABSTRACT
1. 서론
2. 관련 연구
3. 제안 방법
4. 실험 결과 및 고찰
4. 결론
REFERENCE
참고문헌 (31)
참고문헌 신청
P.J. Phillips, “A Cross Benchmark Assessment of a Deep Convolutional Neural Network for Face Recognition,” Proceedings of the Twelfth IEEE International Conference on Automatic Face & Gesture Recognition, pp. 705-710, 2017.
K. Simonyan, and A. Zisserman, “Very Deep Convolutional Networks for Large-Scale Image Recognition,” arXiv Preprint, arXiv:1409.1556, 2014.
G.B. Huang, M. Ramesh, T. Berg, and E. Learned-Miller, “Labeled Faces in the Wild: Adatabase for Studying Face Recognition in Unconstrained Environments,” Technical Report, 07-49, University of Massachusetts, Amherst, 2007.
L. Wolf, T. Hassner, and I. Maoz, “Face Recognition in Unconstrained Videos with Matched Background Similarity,” Proceedings of the Conference on Computer Vision and Pattern Recognition, pp. 529-534, 2011.
P.J. Phillips, J.R. Beveridge, B.A. Draper, G. Givens, A.J. O’Toole, and D. Bolme, “The Good, the Bad, and the Ugly Facechallenge Problem,” Image and Vision Computing. Vol. 30, No. 3, pp. 177-185, 2012.
K. Simonyan, and A. Zisserman, “Very Deep Convolutional Networks for Large-Scale Image Recognition,” arXiv Preprint, arXiv:1409.1556, 2014.
G.B. Huang, M. Ramesh, T. Berg, and E. Learned-Miller, “Labeled Faces in the Wild: Adatabase for Studying Face Recognition in Unconstrained Environments,” Technical Report, 07-49, University of Massachusetts, Amherst, 2007.
L. Wolf, T. Hassner, and I. Maoz, “Face Recognition in Unconstrained Videos with Matched Background Similarity,” Proceedings of the Conference on Computer Vision and Pattern Recognition, pp. 529-534, 2011.
P.J. Phillips, J.R. Beveridge, B.A. Draper, G. Givens, A.J. O’Toole, and D. Bolme, “The Good, the Bad, and the Ugly Facechallenge Problem,” Image and Vision Computing. Vol. 30, No. 3, pp. 177-185, 2012.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
그래프 합성곱 신경망을 이용한 부분 도메인 적응 기법
대한전자공학회 학술대회
2019 .11
-
Domain adaptation에 관한 연구
정보과학회지
2021 .01
-
Instance Weighting Domain Adaptation Using Distance Kernel
Industrial Engineering & Management Systems
2018 .06
-
The Effect of Active Learning in Source Domain on Target Domain
대한전자공학회 학술대회
2019 .06
-
대조 학습과 손실 스케일링을 활용한 도메인 변화에 강건한 이미지 분류기
대한전자공학회 학술대회
2024 .06
-
자가지도 학습 및 도메인 적응을 이용한 도로 상태 분류 기법
대한전자공학회 학술대회
2021 .06
-
의료영상 분할 모델의 도메인 일반화 성능 향상을 위한 자기 지도 학습의 활용
대한산업공학회지
2021 .04
-
적외선 영상에서의 객체 검출을 위한 소스-프리 비지도 도메인 적응 연구
멀티미디어학회논문지
2024 .07
-
작물 수확 자동화를 위한 시각 언어 모델 기반의 환경적응형 과수 검출 기술
대한임베디드공학회논문지
2024 .04
-
분류기 불일치 기반 비감독 도메인 적응 기법을 통한 회전체 고장 진단 기술
대한기계학회 춘추학술대회
2020 .12
-
Unsupervised Domain Adaptation for Classification of Imbalanced Time Series Data
비파괴검사학회지
2023 .12
-
교차 도메인 혼합 샘플링 기법을 활용한 준 지도 학습 기반 도메인 적응 기법
한국차세대컴퓨팅학회 논문지
2021 .12
-
EDAD: 도메인 적응과 지식 증류를 통합한 효율적 도메인 적응 증류
대한산업공학회지
2023 .04
-
딥러닝 기반의 도메인 적응 기술: 서베이
방송공학회논문지
2022 .07
-
도메인 적응 기술을 이용한 야간 영상의 스테레오 정합
대한전자공학회 학술대회
2021 .06
-
객체 검출을 위한 텍스트 묘사 기반의 도메인 일반화 방법
대한전자공학회 학술대회
2024 .06
-
Domain Adaptation for Agricultural Image Recognition and Segmentation Using Category Maps
제어로봇시스템학회 국제학술대회 논문집
2021 .10
-
Inter-Domain Curriculum Learning for Domain Generalization
한국통신학회 학술대회논문집
2021 .02
-
산업 적용 위한 인공지능 기술: 도메인 적응
한국트라이볼로지학회 학술대회
2022 .04
-
Adversarial Domain Adaptation for Noisy Speech Emotion Recognition
제어로봇시스템학회 국제학술대회 논문집
2022 .11
이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2023-004-000176816