The Impact of Downsampling Methods on Face Recognition in Electronic Identity Card
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Electronic identity cards have limited storage capacity, necessitating the downsizing of images to be stored. Downsampling is a method used to reduce the size of images, but it can result in the loss of essential facial features, impacting face recognition performance. Therefore, the selection of an appropriate downsampling method becomes crucial. In this study, we evaluated and compared the face recognition performance of five different downsampling methods, such as Bicubic Interpolation, Bilinear Interpolation, Lanczos Interpolation, Nearest Neighbour, and Inter-Area using the Asian Face Image Database PF01. We measured the face recognition performance using False Rejection Rate (FRR) at various levels of False Acceptance Rate (FAR). Nearest Neighbour had consistently demonstrated the lowest performance across various scenarios, making it unsuitable for downsampling. In contrast, Bicubic Interpolation has consistently outperformed other methods and is favored for downsampling. In cases where downsizing to a much lower size is required, Lanczos Interpolation offers a preferable option. Our experimental results revealed that the choice of the downsampling method significantly influenced face recognition performance up to 8.41% at specific FAR values. This study highlights the critical importance of selecting the right downsampling method to preserve essential facial features, ensuring optimal face recognition performance for electronic identity cards.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle