当前位置:首页 > 报告详情

Patrick Grother(NIST):FRTEFATE:下一步是什么.pdf

上传人: 芦苇 编号:651676 2025-05-01 6页 509.10KB

1、1NISTs FACE RECOGNITION+ANALYSIS NISTs FACE RECOGNITION+ANALYSIS EVALUATIONS:EVALUATIONS:NEXT STEPSNEXT STEPSPATRICK GROTHERPATRICK GROTHERIFPC 2025IFPC 2025-0404-0303Office of Biometric Identity Management21:1 VERIFICATION1:N SEARCHTWINS DISAMBIGUATIONFACE IN VIDEO 2024MORPH DETECTIONPADAGE ESTIMAT

2、IONTWO PEOPLE IN ONE FACE?SUBVERSIVE PHOTO?HOW OLD?OLD ENOUGH?SAME PERSON OR NOT?WHO?WHERE?WHEN?SAME PERSON,OR TWIN?1:N ON NON-COOP PEOPLEQUALITY+DIAGNOSTICSHOW BAD IS THIS PHOTOFRTEFACE RECOGNITIONRECOGNITION TECHNOLOGY EVALUATIONFATEFACE ANALYSIS ANALYSIS TECHNOLOGY EVALUATIONRECOGNITION:WHO IS IN

3、 AN IMAGENISTS FACE BENCHMARKSBenchmarks are:Independent Free Regular Fast Repeatable Fair Black box IP-protecting Open globally Large-scale Sequestered datasets Statistically robust Public Transparent Extensible ABSOLUTE ACCU RELATIVE ACCUANALYSIS:ABOUT IN AN IMAGE3RISK:USE OF LEGACY ALGORITHMFalse

4、RejectionFNMR at FMR=10-6Date Algorithm Delivered to NIST28%0.2%Management+MitigationAlgorithms improve regularlyDo tech refresh!Contracts,agile procurement 4STATE OF THE ART:1:N MUGSHOT MUGSHOT FNIR GAINS DET“HITS A WALL”HIGH-SCORING NON-MATES MIXED IN WITH MATESWHY?TWINS?RE-PRODUCE GRAPH WITH GALL

5、ERY AND NON-MATE PROBES TAKEN ON DIFFERENT DATESBEST RESULT 201810TH BEST RESULT 201851:1 VERIFICATION1:N SEARCHTWINS DISAMBIGUATIONFACE IN VIDEO 2024MORPH DETECTIONPADAGE ESTIMATIONQUALITY+DIAGNOSTICSFRTEFATEFATE/FRTE:WHATs NEXTCOMPACT FACE 2025 IR images Ageing:Longer term 20+years Ageing:In 0-18,

6、12-18 year olds Larger N,unconsolidated galleries More profile views,cross profile More webcam imagesTATTOOTATTE Ongoing FIVE TBD.New datasets.FPIR maintenance Report thresholds at which adult twins FMR is viable Accuracy on images below 1K

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
本文是关于美国国家标准与技术研究院(NIST)举办的面部识别技术评估的报告。报告首先概述了面部识别技术评估的重要性,包括1:1身份验证、1:N搜索、双胞胎区分、视频中的面部识别、形态检测和年龄估计等。接着,文章强调了评估的基准应该是独立、免费、定期、快速、可重复、公平、黑箱、保护知识产权、全球开放、大规模、数据集隔离、统计稳健、透明、可扩展的,并且要有绝对准确性和相对准确性分析。 报告指出,面部识别技术在不断发展,建议定期更新技术。目前,最好的1:N面部识别技术在错误接受率(FAR)和错误拒绝率(FRR)之间取得了平衡。文章还提到了双胞胎识别的挑战,建议发布关于成人双胞胎的错误接受率(FMR)的可行阈值,并研究在图像质量较低的情况下提高准确性。 最后,报告提出了未来的研究方向,包括使用不同时间点的数据集来评估年龄变化,以及考虑图像质量、分辨率等因素对面部识别技术的影响。报告还强调了发布操作指南和连接实验室测试与实际部署测试的重要性。
"NIST如何评估面部识别技术?" "面部识别技术在实际应用中存在哪些挑战?" "如何提高面部识别技术的准确性和可靠性?"
客服
商务合作
小程序
服务号
折叠