QRMODA与BRMODA：自适应视频流计算机视觉系统中人脸识别精度的新模型
计算机视觉与模式识别
2019-07-25 v1 多媒体
摘要
计算机视觉系统面临的一个主要挑战是，在动态变化的网络条件下提供准确检测威胁并识别主体和/或对象的能力。我们提出两个新模型，用视频编码参数来刻画人脸识别精度。具体而言，我们根据视频分辨率、量化与实际比特率对精度进行建模。我们使用两个不同的视频数据集和一个大型图像数据集，通过开展1668次同时改变编码参数组合的实验来验证这些模型。我们表明，这两个模型对基于深度学习和基于统计的人脸识别均成立。此外，我们表明这些模型可用于捕捉不同的精度度量，具体而言即召回率、精确率和F1分数。最终，我们就影响每个所提模型常数的因素提供了有意义的见解。
引用
@article{arxiv.1907.10559,
title = {QRMODA and BRMODA: Novel Models for Face Recognition Accuracy in Computer Vision Systems with Adapted Video Streams},
author = {Hayder Hamandi and Nabil Sarhan},
journal= {arXiv preprint arXiv:1907.10559},
year = {2019}
}