دانلود ترجمه مقاله مجموعه داده ای برای تشخیص چهره ها در ژست و سن (آی تریپل ای ۲۰۱۸)

VGGFace2: مجموعه داده ای برای تشخیص چهره ها در ژست و سن

VGGFace2 : مجموعه داده ای برای شناسایی چهره ها در هر دو حالت قیافه و سن

چکیده

۱ مقدمه

۲ بررسی مجموعه‌داده

۳ بررسی کلی VGGFACE2

۴ گردآوری مجموعه‌داده

۵ آزمایشات

۶ نتیجه‌گیری

منابع

چکیده

در این مقاله ما یک مجموعه‌داده چهره بزرگ را معرفی می‌کنیم که VGGFace2 نام دارد. این مجموعه‌داده شامل ۳٫۳۱ میلیون تصویر متعلق به ۹۱۳۱ نفر است که میانگین تصاویر برای هر نفر ۳۶۲٫۲ تصویر است. تصاویر از جستجوی تصویر گوگل دانلود شدند و تفاوت‌های زیادی در قیافه، سن، روشنایی، نژاد و حرفه (مانند بازیگران، ورزشکاران، سیاستمداران) به چشم می‌خورد.

این مجموعه‌داده با سه هدف گردآوری شد: (i)داشتن تعداد افراد زیاد و تعداد تصویر زیاد مختص به هر فرد؛ (ii) پوشش طیف گسترده‌ای از قیافه‌ها، سن و نژاد؛ و (iii) به حداقل رساندن نویز برچسب. نحوه گردآوری این مجموعه‌داده بویژه مراحل فیلترینگ خودکار و دستی به منظور تضمین صحت بالا برای تصاویر متعلق به هر شخصیت را توضیح می‌دهیم.

شبکه‌های عصبی کانولوشنی ResNet-50 (با و بدون بلوک‌های فشار و تحریک) را با VGGFace2، MS-Celeb-1M و یگانگی آنها به منظور ارزیابی عملکرد شناخت چهره با استفاده از این مجموعه داده جدید یعنی VGGFace2 آموزش می‌دهیم و نشان می‌دهیم که آموزش دادن با VGGFace2 سبب بهبود عملکرد شناخت قیافه و سن می‌شود. در نهایت با استفاده از مدل‌های آموزش دیده با این‌ مجموعه‌داده‌ها، نهایت عملکرد معیارهای شناخت چهره IJB-A و IJB-B را تعیین می‌کنیم که فراتر از بهترین عملکرد بدست آمده از یک حاشیه وسیع در کارهای قبلی هست. این مجموعه داده و مدل‌ها بصورت آزاد در دسترس قرار می‌گیرد.

۲- بررسی مجموعه‌داده

در این بخش بطور خلاصه مجموعه‌داده‌های اصلی گردآوری شده از وب («in the wild») را بررسی می‌کنیم که اخیراً معرفی شده‌اند و از مجموعه‌داده چهره‌های برچسب گذاری شده در وب (LFW) اورجینال ۲۰۰۷ الهام گرفته است. این مجموعه‌داده دارای ۵۷۴۹ شخصیت و ۱۳۰۰۰ تصویر بود.

مجموعه‌داده +CelebFaces در سال ۲۰۱۴ منتشر شد که دارای ۲۰۲۵۹۹ تصویرمتعلق به ۱۰۱۷۷ شخصیت سلبریتی (افراد مشهور) بود. مجموعه‌داده CASIA-WebFace در همین سال منتشر شد که شامل ۴۹۴۴۱۴ عکس متعلق به ۱۰۵۷۵ نفر بود. مجموعه‌داده VGGFace در سال ۲۰۱۵ منتشر شد و شامل ۲٫۶ میلیون عکس متعلق به ۲۶۲۲ نفر هست. این مجموعه‌داده جزو بزرگ‌ترین مجموعه‌داده‌های عمومی به شمار می‌آید. نسخه منتخب از این مجموعه‌داده که نویز برچسب توسط مفسران انسانی از آن حذف شده است، دارای ۸۰۰۰۰۰ تصویر است و تقریباً به ازای هر نفر یا هویت ۳۰۵ تصویر دارد. مجموعه‌داده‌های CASIA-WebFace و VGGFace تنها به منظور اهداف آموزش دادن منتشر شدند.

مجموعه‌داده‌ MegaFace در سال ۲۰۱۶ به منظور ارزیابی روش‌های شناخت چهره منتشر شد که دارای بیش از یک میلیون عامل پرت در مجموعه تصویر گالری است. این مجموعه‌داده آموزشی‌ شامل ۴٫۷ میلیون عکس متعلق به ۶۷۲۰۵۷ شخصیت می‌باشد. با این وجود، میانگین تنها ۷ تصویر برای هر شخصیت سبب می‌شود این مجموعه‌داده تفاوت چهره برای هر شخصیت را محدود می‌کند. ، چالش MegaFace به منظور مطالعه تأثیر تفاوت‌های قیافه و سن در شناخت چهره‌ها از زیرمجموعه‌های FaceScrub که حاوی ۴۰۰۰ تصویر از ۸۰ شخصیت است و FG-NET دارای ۹۷۵ تصویر از ۸۲ نفر برای ارزیابی استفاده می‌کند.