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
- 학술대회자료
- 저자정보
- 발행연도
- 2023.6
- 수록면
- 281 - 284 (4page)
이용수
초록· 키워드
오류제보하기
Kinship verification, a field of growing interest, is experiencing significant advancements owing to the breakthroughs in computer vision and deep learning. However, automated kinship verification, largely dependent on image data, often grapples with challenges related to individual appearance difference and inconsistent image conditions. This paper introduces a multitask learning approach designed to enrich the model"s understanding from varied perspectives, thus facilitating robust and comprehensive feature extraction from images. The study further integrates a margin-based softmax loss function to distinctly separate image features, ultimately bolstering the kinship verification system"s performance and robustness.
목차
Abstract
1. Introduction
2. Related Work
3. Proposed Approach
4. Experiments
5. Conclusions
References
참고문헌 (0)
참고문헌 신청이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0102-2023-567-001938070