通过模糊解和多度指标推断的性别独立亲属关系验证网络
Lei Li1, Quan Zhou1, Shanshan Gao1
1School of Computer Science and Technology, Shandong University of Finance and Economics, China.
这项研究引入了用于亲属验证的新型模糊神经网络,提高了跨性别家族关系识别的准确性. 该方法有效地处理性别差异,以实现更强大的面部识别.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 生物识别信息 生物识别信息
背景情况:
- 使用面部信息验证亲属关系面临挑战,特别是由于遗传遗传的变异性,跨性别关系 (例如,父亲-女儿,母亲-儿子) 面临挑战.
- 当前的方法往往忽视了性别差异的细微差别,专注于特征提取和相似度,限制了复杂的家族识别场景中的表现.
研究的目的:
- 开发一个先进的亲属验证框架,通过结合模糊逻辑来解决跨性别关系的挑战.
- 通过面部数据提高家族关系识别的准确性和稳定性,特别是通过管理与性别相关的模两可.
主要方法:
- 使用Swin变压器进行初始的面部特征提取,以其在面部分析任务中的有效性而闻名.
- 设计了一个模糊的神经网络来解开性别特异性和亲属特异性特征,并纳入性别识别任务以提高性别独立性.
- 实施了多度模糊推理模块,具有对比损失,以集成亲属特征,提取潜在线索,并增强模型对变化的稳定性.
主要成果:
- 拟议的框架证明了在亲属关系验证任务中最先进的性能.
- 在三个公共数据集中实现了跨性别关系识别的准确性显著提高.
- 模糊神经网络有效地处理了关系模糊性,并提取了性别独立的亲属特征.
结论:
- 基于模糊神经网络的亲属验证框架为识别家庭关系提供了强大的解决方案,特别是在具有挑战性的跨性别场景中.
- 该方法能够适应地提取独立于性别的特征并管理关系模糊性的能力,这代表了面部生物识别技术的重大进步.
- 未来的研究可以探索模糊逻辑集成的进一步改进,以解决更复杂的生物识别识别问题.
更多相关视频
12:27Large-scale Reconstructions and Independent, Unbiased Clustering Based on Morphological Metrics to Classify Neurons in Selective Populations
Published on: February 15, 2017
05:30Soft Pneumatic Robot Modulates Graph Theory Metrics of Brain Network for Hand Rehabilitation After Stroke
Published on: October 10, 2025
相关概念视频
Self-Evaluation: Self-Enhancement and Self-Verification
Strategies of Self-Presentation II: Self-Verification
Socioemotional Experience and Gender Development
Introduction to Test of Independence
The test statistic for a test of independence is similar to that of a goodness-of-fit test:
Hypothesis Test for Test of Independence
H0: The two variables (factors)...
Protein Networks
These interactions can be represented through maps depicting protein-protein interaction networks, represented as nodes and edges. Nodes are circles that are representative of a protein,...
