Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Facing Face Recognition with ResNet: Round One

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F17%3A43932934" target="_blank" >RIV/49777513:23520/17:43932934 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://link.springer.com/chapter/10.1007/978-3-319-66471-2_8" target="_blank" >https://link.springer.com/chapter/10.1007/978-3-319-66471-2_8</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1007/978-3-319-66471-2_8" target="_blank" >10.1007/978-3-319-66471-2_8</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Facing Face Recognition with ResNet: Round One

  • Popis výsledku v původním jazyce

    This paper presents initial experiments of an application of deep residual network to face recognition task. We utilize 50-layer deep neural network ResNet architecture, which was presented last year on CVPR2016. The neural network was modified and then fine-tuned for face recognition purposes. The method was trained and tested on challenging Casia-WebFace database and the results were benchmarked with a simple convolutional neural network. Our experiments of classification of closed and open subset show the great potential of residual learning for face recognition.

  • Název v anglickém jazyce

    Facing Face Recognition with ResNet: Round One

  • Popis výsledku anglicky

    This paper presents initial experiments of an application of deep residual network to face recognition task. We utilize 50-layer deep neural network ResNet architecture, which was presented last year on CVPR2016. The neural network was modified and then fine-tuned for face recognition purposes. The method was trained and tested on challenging Casia-WebFace database and the results were benchmarked with a simple convolutional neural network. Our experiments of classification of closed and open subset show the great potential of residual learning for face recognition.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    20205 - Automation and control systems

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/LO1506" target="_blank" >LO1506: Podpora udržitelnosti centra NTIS - Nové technologie pro informační společnost</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2017

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Interactive Collaborative Robotics Second International Conference, ICR 2017, Hatfield, UK, September 12-16, 2017, Proceedings

  • ISBN

    978-3-319-66470-5

  • ISSN

    0302-9743

  • e-ISSN

  • Počet stran výsledku

    8

  • Strana od-do

    67-74

  • Název nakladatele

    Springer

  • Místo vydání

    Cham

  • Místo konání akce

    Hatfield, United Kingdom

  • Datum konání akce

    12. 9. 2017

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000463337300008