面向印度多样人群的面部识别模型调查：在LFW和自定义数据集上的比较分析
计算机视觉与模式识别
2024-12-12 v1 机器学习
摘要
面部识别技术取得了显著进展，但其在跨族群效果，特别是针对特定印度人口学的有效性，仍有待探索。本文使用 established LFW数据集和我们新开发的IIT Jodhpur学生面孔数据集 (JFAD)，对传统方法和深度学习方法的面部识别模型进行详细评估。该独特数据集旨在反映印度的族裔多样性，为在特定学术环境中评估模型性能提供关键测试基准。我们分析的模型范围从整体方法如Eigenfaces和SIFT到集成CNN与Gabor滤波、Laplacian变换和分割技术的先进混合模型。我们的发现揭示了这些模型适应印度族裔变异性的能力，并建议修改以提高实际应用中的准确性和包容性。JFAD不仅为进一步的研究提供了宝贵资源，也凸显了开发在多样人群中表现均衡的面部识别系统的必要性。
引用
@article{arxiv.2412.08048,
title = {Surveying Facial Recognition Models for Diverse Indian Demographics: A Comparative Analysis on LFW and Custom Dataset},
author = {Pranav Pant and Niharika Dadu and Harsh V. Singh and Anshul Thakur},
journal= {arXiv preprint arXiv:2412.08048},
year = {2024}
}
备注
Research Project - Computer Vision