[논문]Basic Implementation of Multi Input CNN for Face Recognition

Cheema, Usman; Moon, Seungbin

Basic Implementation of Multi Input CNN for Face Recognition
얼굴인식을 위한 다중입력 CNN의 기본 구현 원문보기

Cheema, Usman (Dept. of Computer Engineering, Sejong University) , Moon, Seungbin (Dept. of Computer Engineering, Sejong University)

Face recognition is an extensively researched area of computer vision. Visible, infrared, thermal, and 3D modalities have been used against various challenges of face recognition such as illumination, pose, expression, partial information, and disguise. In this paper we present a multi-modal approach to face recognition using convolutional neural networks. We use visible and thermal face images as two separate inputs to a multi-input deep learning network for face recognition. The experiments are performed on IRIS visible and thermal face database and high face verification rates are achieved.

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

Multi-modal facial recognition is promising approach against disguise and replay attack scenarios. In this paper we present a multi-input architecture for face recognition and have proven its effectiveness against pose, illumination, and expression. Our experimental work also shows that the proposed approach of using thermal and visible images for multi-input CNN is promising and merits further work.
The database contains images of 29 subjects with 44 simultaneously acquired unregistered visible and thermal image pairs per person. The database contains variations in pose, illumination, and expression as challenges of face recognition. Training was performed on randomly selected 70% of images for each subject.

제안 방법

The inherent nature of CNN eliminates the need for co-registering the image pair, a difficult problem for visible and thermal image pairs. Our proposed architecture consists of three segments, namely S_V, S_T, and S_C. S_V take a visible image as input, S_T takes a thermal image as input, and are identical otherwise.
Due to the limited size of the database rigorous data augmentation was performed on the training images. The data was augmented using image rescaling, rotation, shifting, and flipping horizontally. The size of the augments data set for training is about 26,000 images in each modality.

대상 데이터

The network was trained and tested on IRIS Thermal/Visible Face Database. The database contains images of 29 subjects with 44 simultaneously acquired unregistered visible and thermal image pairs per person. The database contains variations in pose, illumination, and expression as challenges of face recognition.
The database contains variations in pose, illumination, and expression as challenges of face recognition. Training was performed on randomly selected 70% of images for each subject. Due to the limited size of the database rigorous data augmentation was performed on the training images.

성능/효과

2. A recognition accuracy of 98.97% was achieved on the test data using our proposed method.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

Basic Implementation of Multi Input CNN for Face Recognition
얼굴인식을 위한 다중입력 CNN의 기본 구현 원문보기

Abstract ▼ AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

Basic Implementation of Multi Input CNN for Face Recognition 얼굴인식을 위한 다중입력 CNN의 기본 구현 원문보기

Abstract ▼ AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

Basic Implementation of Multi Input CNN for Face Recognition
얼굴인식을 위한 다중입력 CNN의 기본 구현 원문보기

AI 본문요약
AI-Helper