[論文レビュー] Masked Face Recognition under Different Backbones
エラートラムと比較研究：マスク顔認識における異なるバックボーン網の性能を評価。r100_mask_v2がマスク時の精度で首位を獲得し、ViT系バックボーン（Vit-Small/Tiny）はマスク時の性能が高いことを示す。
Erratum to the paper (Zhang et al., 2025): corrections to Table IV and the data in Page 3, Section A. In the post-pandemic era, a high proportion of civil aviation passengers wear masks during security checks, posing significant challenges to traditional face recognition models. The backbone network serves as the core component of face recognition models. In standard tests, r100 series models excelled (98%+ accuracy at 0.01% FAR in face comparison, high top1/top5 in search). r50 ranked second, r34_mask_v1 lagged. In masked tests, r100_mask_v2 led (90.07% accuracy), r50_mask_v3 performed best among r50 but trailed r100. Vit-Small/Tiny showed strong masked performance with gains in effectiveness. Through extensive comparative experiments, this paper conducts a comprehensive evaluation of several core backbone networks, aiming to reveal the impacts of different models on face recognition with and without masks, and provide specific deployment recommendations.
研究の動機と目的
- セキュリティ検査コンテキストでマスク有無の顔認識におけるバックボーン選択が性能へ与える影響を評価する。
- マスク拡張における最良のバックボーンファミリを特定する（CNN系のr100/r50/r34_mask_v1などとViT系の変種）。
- マスク条件下での経験的バックボーン性能に基づく実運用推奨を提供する。
提案手法
- マスク有無の条件でバックボーンの性能をレビューし再現する。
- 標準CNNバックボーン（r100/r50/r34_mask_v1）とマスク変種（r100_mask_v2、r50_mask_v3 など）を比較する。
- ViTベースのバックボーン（Vit-Small/Tiny）のマスク認識性能を評価する。
- 先行結果の訂正を要約（表IV、ページ3、セクションA）。
実験結果
リサーチクエスチョン
- RQ1マスク顔認識に最も効果的なバックボーンアーキテクチャはどれか。
- RQ2マスクは標準のCNNバックボーンとマスク変種の性能にどのように影響するか。
- RQ3ViTバックボーンはCNNバックボーンと比べてマスク状況で有利か。
- RQ4バックボーン別のマスク認識性能から導かれる運用推奨は何か。
主な発見
- 標準試験では、r100系モデルは顔比較でFAR 0.01%時に98%以上の精度を達成。
- マスク付き試験では、r100_mask_v2が90.07%の精度でトップ。
- r50系バックボーンの中では、r50_mask_v3が同グループ内で最良だが、依然としてr100系には及ばない。
- r34_mask_v1は他のバックボーンと比べて後れを取る。
- ViTベースのバックボーン（Vit-Small/Tiny）はマスク時の性能向上を強く示す。
- 本論文は表IVとページ3、セクションAのデータを訂正する訂正稿を提示している。
より良い研究を、今すぐ始めましょう
論文設計から論文執筆まで、研究時間を劇的に削減しましょう。
クレジットカード登録不要
このレビューはAIが作成し、人間の編集者が確認しました。