Facial Recognition Terms Glossary: Facial Recognition Terms in 2024
A
Access Control
アクセス制御とは、物理的またはデジタル的リソースまたは場所への許可された入場またはアクセスを制限するために使用されるセキュリティ対策とメカニズムを指し、しばしば顔認証などの生物識別技術を使用する。
Accuracy
正確性は、顔認識システムが正しい個人を正しく識別または検証できる程度の測定値であり、通常はパーセントとして表現されます。
Accuracy-Privacy Trade-Off
正確性とプライバシーの交換は、個人のプライバシーとデータのセキュリティを尊重し、保護しながら、顔認識の高精度を達成することのバランスを意味します。
Active Learning
アクティブな学習は、モデルをトレーニングするために最も情報性のあるまたは不確実なデータポイントをイテラティブに選択し、ラベル化するトレーニングデータの量を減らすことを目指す機械学習アプローチです。
Adversarial Attacks
敵対攻撃とは、慎重に設計された入力データまたは干渉を導入することによって、顔認識システムを操作または欺く悪意のある試みであり、誤った分類または誤った結果を引き起こすことを目的とします。
Adversarial Training
Adversarial training is a technique used to improve the robustness of machine learning models against adversarial attacks by training the model on adversarially generated examples. 対戦攻撃に対する機械学習モデルの強度を向上させるための技術です。
Age Progression
年齢進行は、現在の顔の特徴に基づいて、年齢を重ねて人の外見を予測し、視覚化するために顔認識で使用される技術です。
Algorithm
アルゴリズムは、特定の問題を解決したり、計算を行うために使用されるステップごとに実行される手順またはルールのセットです。
Anti-Spoofing
Anti-spoofing は、偽造または偽造された顔情報の使用を検出し、顔認識システムを欺くために防止するための技術またはシステムです。
Anti-Spoofing Detection
顔認証における反詐欺検出は、偽造または操作された顔画像や素材を使用してシステムを欺く試みを検出し、防止するための技術、アルゴリズム、またはセンサーの使用を含みます。
Api
API(アプリケーションプログラミングインターフェイス)は、ソフトウェアアプリケーションが相互に通信し、相互作用することを可能にするルールとプロトコルのセットで、しばしば他のソフトウェアやシステムに顔認識機能を統合するために使用されます。
Artificial Intelligence
人工知能(AI)は、機械における人間の知能のシミュレーションを指し、通常、人間の知能を必要とするタスクを実行することを可能にします。
Artificial Neural Networks
Artificial neural networks are computational models inspired by the structure and function of biological neural networks. They consist of interconnected nodes (or neurons) that work collaboratively to process information and make predictions. 人工のニューラルネットワークは、情報を処理し、予測するために協力して働く相互接続されたノード(またはニューロン)から構成されています。
B
Benchmarking
Benchmarking は、標準化されたデータセットまたはメトリクスに対して、顔認識アルゴリズムまたはシステムのパフォーマンス、精度、または効率性を評価または比較するプロセスです。
Bias
顔認識の偏見とは、システムのパフォーマンスにおける体系的な誤りや不正確さを指し、しばしば人口格差や不均衡なトレーニングデータなどの要因によって影響される。
Bias Mitigation
顔認識における偏見緩和は、システムのパフォーマンスにおける偏見を減らすか、または排除することを目的とした技術やアルゴリズムを含み、特に性別、人種、またはその他の保護された属性に関連するもの。
Biometric
バイオメトリックは、指紋、虹膜のパターン、または顔の特徴などの独自の物理的または行動的特徴の測定と分析を指します。
Biometrics
バイオメトリックは、指紋や顔の特徴などの独自の物理的または行動的特徴の測定と分析を指し、識別および認証の目的で使用する。
C
Cctv (Closed-Circuit Television)
閉鎖テレビ(CCTV)は、ビデオカメラを使用して、特定のモニターや録音装置に信号を送信する監視システムであり、しばしばセキュリティおよび監視目的で使用される。
Closed-Set Identification
Closed-set identification is a face recognition task where the system aims to identify a known individual within a predefined set or database of registered individuals. 閉じたセットの識別は、システムが登録された個人の事前定義のセットまたはデータベース内で知られている個人を識別することを目指す顔認識タスクです。
Cloud Computing
クラウドコンピューティングは、インターネットを通じてコンピューティングリソースとサービスを提供するモデルであり、顔認識アプリケーションがリモートサーバーが提供するコンピューティングパワーとストレージを活用することを可能にします。
Cloud-Based Facial Recognition
クラウドベースの顔認識は、遠隔サーバーでホストされ、運用される顔認識技術とサービスの使用を指し、しばしばスケーラビリティ、アクセシビリティ、便利性を提供します。
Convolutional Neural Network (Cnn)
Convolutional Neural Networkは、画像やビデオなどの視覚データを処理および分析するために特別に設計された深層学習アーキテクチャです。
Convolutional Neural Networks
Convolutional Neural Networks (CNNs) は、構造化されたグリッドのようなデータを処理するために設計された人工のニューラルネットワークの一種です。
D
Data Augmentation
Data Augmentation は、ML で使用されるテクニックで、騒音や回転画像の追加などの既存のデータに様々な変換や修正を適用することによって、トレーニングデータのサイズや多様性を人工的に増やす。
Data Privacy Laws
データプライバシー法は、個人のプライバシーと権利を保護するために、個人情報を含む個人データの収集、使用、保管、共有を規制する法的規制と枠組みです。
Data Protection
データ保護は、個人データの不正アクセス、使用、または開示から保護するための措置とポリシーの実施を含み、プライバシー規制および基準の遵守を確保する。
Databases
顔認識のデータベースは、トレーニング、テスト、またはマッチング目的で使用される顔画像またはテンプレートのコレクションを指し、しばしば特定のアプリケーションまたは属性に基づいて分類されます。
Deep Learning
Deep Learningは、人工のニューラルネットワークを使用して、データ内の複雑なパターンや表現をモデル化し、理解するMLのサブフィールドです。
E
Edge Computing
エッジコンピューティングは、コンピューティングとデータストレージを必要とする場所に近づける分散型コンピューティングパラダイムであり、例えばスマートフォンなどのエッジデバイスの顔認識タスクの処理などです。
Edge-Based Facial Recognition
エッジベースの顔認識は、ローカルデバイスまたはネットワークエンドポイントに顔認識技術の展開を指し、クラウドサービスに依存することなくリアルタイムまたはオフラインでの処理を可能にします。
Eer (Equal Error Rate)
Equal Error Rate (EER) は、FAR (false acceptance rate) と FRR (false rejection rate) が等しいオペレーティングポイントです。
Efficiency
顔認識の効率性は、システムの速度、計算資源、メモリ使用量、および電力消費量を指し、最小限のオーバーヘッドで最適なパフォーマンスを達成することを目指します。
Eigenfaces
Eigenfacesは、顔画像のコヴァリアンスマトリックスに由来するeigenvectorsのセットで、彼らは顔の縮小寸法の表現を形成し、顔認識に使用されます。
Emotion Recognition
感情認識は、人の感情状態や気分を特定するために顔の表現を検出し解釈するプロセスであり、しばしば顔分析アプリケーションで使用されます。
End-To-End Learning
End-to-end learning は、単一のモデルが直接入力データを出力にマッピングするように訓練され、明示的な機能抽出または中間処理ステップの必要性を回避する機械学習のアプローチです。
Enrollment
登録は、将来の識別または検証のためのデータベースに、個人の生物識別データ、例えば顔の特徴を収集し、保存するプロセスです。
Enrollment Threshold
Enrollment threshold is a parameter used in face recognition systems to control the trade-off between false acceptance and false rejection rates. それは、マッチが有効とみなされるために必要な類似性のレベルを決定するために、顔認識システムで使用されるパラメータです。
Ensemble Learning
Ensemble learning は、複数のモデルやアルゴリズムからの予測を組み合わせ、正確性と強度を向上させ、しばしば顔認識システムで使用される機械学習技術です。
Ethical Implications
顔認識の倫理的影響には、プライバシー、同意、監視、偏見、および技術の潜在的な悪用に関する問題が含まれます。
Ethics
顔認識における倫理は、顔認識技術の開発と使用を支配する道徳的原則とガイドラインを指し、公平性、透明性、および個人の権利とプライバシーの尊重を確保する。
Expression Variation
表現変異とは、笑顔、フローリング、またはブリッキングなどの顔の表現の変化を指し、画像の顔の特徴の外観と形態に影響を与える可能性があります。
Expression Variations
Expression Variations は、笑顔、フローリング、または中立のような人の表情の変化を指し、顔認識アルゴリズムのパフォーマンスに影響を与える可能性があります。
F
Face Alignment
Face Alignment は、顔のイメージを共通の位置または方向に地理的に調節または正常化するプロセスで、正確な比較や顔の測定を可能にします。
Face Database
顔データベースは、しばしば分類され、構造化された方法で組織され、顔認識アルゴリズムやシステムの訓練、テスト、またはベンチマークに使用される顔画像またはテンプレートのコレクションです。
Face Detection
顔検出は、画像やビデオで顔を特定するプロセスであり、通常、顔認識や分析の前兆として使用されます。
Face Embedding
Face Embedding は、顔の画像を数値表示または埋め込みに変換するプロセスであり、その後の顔認識タスクに使用することができます。
Face Landmarks
顔のマークは、人間の顔の特定の点や特徴、例えば目の隅や鼻の端などで、正確に顔の特徴を表し、分析するために使用されます。
Face Recognition
顔認識は、顔の特徴を既知の顔のデータベースと比較することによって、個人のアイデンティティを識別または検証するプロセスです。
Face Tracking
Face Trackingは、リアルタイムまたはビデオシーケンスで人の顔を継続的に検索し、追跡するプロセスで、しばしば拡張現実や監視などのアプリケーションで使用されます。
Facial Recognition
Facial Recognitionは、顔のパターンや特徴を使用して個人を識別し、検証するバイオメトリック技術です。
False Acceptance Rate (Far)
False Acceptance Rate (FAR) は、不一致の顔が誤って受け入れられ、一致する顔として識別される可能性の測定値です。
False Negative
顔認証では、偽ネガティブは、一致する顔が誤って分類されるか、または一致しない顔として識別される場合に発生します。
False Positive
顔認識では、不一致の顔が誤って分類されるか、または一致する顔として識別される場合に、偽ポジティブが発生します。
False Rejection Rate (Frr)
False Rejection Rate (FRR) は、一致する顔が誤って拒否され、不一致する顔として識別される可能性の測定値です。
Far (False Accept Rate)
False Accept Rate (FAR) は、顔認識システムが不適切な顔を正当なマッチとして誤って受け入れる割合です。
Feature Extraction
機能抽出は、顔認識システムで重要な顔の特徴を抽出するなど、原始データから有意義で関連する特徴を自動的に選択または抽出するプロセスです。
Forensic Facial Recognition
法医学的顔認識は、刑事捜査や法執行活動における顔認識技術の応用であり、しばしばデジタルまたは物理的な証拠で容疑者または被害者を識別するために使用されます。
Foveatted Face Recognition
Foveatted face recognition は、顔認識が選択的に、より高い解像度で顔の顕著な領域にのみ実行され、人間の視覚的注意を模する方法を指します。
Frr (Failure To Reject Rate)
FRR(Failure to Reject Rate)とは、顔認証システムが不一致の顔や詐欺師を拒否できない割合です。
Fusion
合併は、顔認識と虹膜認識を組み合わせるなど、複数のバイオメトリックの方法や技術の組み合わせを指し、全体的な精度と信頼性を向上させる。
G
Gdpr
GDPR(一般データ保護規則)は、バイオメトリックを含む個人データの処理に関する規則と要件を定める欧州連合(EU)における包括的なデータ保護およびプライバシー規制です。
Gdpr (General Data Protection Regulation)
一般データ保護規則(GDPR)は、個人のプライバシーと個人データを保護し、そのデータを処理し、制御する組織に義務を課す欧州連合(EU)の規則です。
Gender Bias
顔認識におけるジェンダー偏差とは、システムが性別に基づいて個人を識別する際に示す不比例な正確性の変異または偏見を指します。
Gender Classification
性別分類は、顔の特徴や特徴に基づいて個人の性別または性別を決定し、ラベル化するプロセスです。
Gpu Acceleration
GPU Accelerationとは、グラフィック処理ユニット(GPU)の計算力を利用して、顔認識アルゴリズムとタスクの処理とパフォーマンスを加速することを指します。
Granularity
Granularity は、顔の特徴やパターンを表すか分析する際の詳細性または特異性のレベルを指し、しばしば入力画像の解像度または品質に関連しています。
H
Human-Computer Interaction
人とコンピュータの相互作用(HCI)は、人と機械の相互作用の設計と研究を含み、技術のユーザー体験、可用性、アクセシビリティを向上させることを目的としています。
I
Identification
識別は、既知のアイデンティティのデータベースを検索して、彼らのバイオメトリックデータの一致を見つけることによって、個人の真のアイデンティティを決定するプロセスです。
Identity Theft
アイデンティティの盗難は、財政的利益またはその他の悪意のある目的のために、個人の名前、社会保険番号、またはバイオメトリックデータなどの個人情報を詐欺的に取得し、使用することを指します。
Illumination Variation
照明変異とは、顔の画像の外観と品質に影響を与え、顔認識アルゴリズムに課題を与えることができる照明条件の変化を指します。
Illumination Variations
照明変異とは、照明条件や顔画像の光の分布の変化を指し、顔認識システムのパフォーマンスと精度に影響を及ぼす可能性があります。
Image Enhancement
Image Enhancementは、コントラスト調節、鋭化、または消化などのさまざまな技術を通じて、顔画像の視覚品質または明確性を向上させるプロセスです。
Interoperability
相互運用性とは、顔認識システムがシームレスに通信し、データを交換し、他のハードウェア、ソフトウェア、またはシステムと統合する能力を指します。
L
Laplacianfaces
Laplacianfacesは、顔認識で使用される次元性を減らす技術で、ラプラチナの独自マップを使用して、現地の顔構造を保存し、異なる個人の間を区別します。
Liveness Detection
Liveness Detection は、画像やビデオで検出された顔が生きている人物であるか、あるいは静的表示であるかを判断するために使用されるテクニックで、偽造や偽装を防ぐために使用されます。
M
Machine Learning
機械学習(ML)は、機械がデータから学び、明示的にプログラミングされずにパフォーマンスを向上させることに焦点を当てているAIのサブセットです。
Multi-Modal Biometrics
Multi-modal Biometricsは、顔、指紋、および音声認識などの複数のバイオメトリックの組み合わせまたは合併を指し、識別または検証の正確性と強度を向上させる。
Multimodal Biometrics
マルチモダルバイオメトリクスは、顔、指紋、アイリスなどの複数のバイオメトリックモデルを使用して、識別および検証システムの正確性と強度を向上させることを指します。
N
Neural Network
ニューラルネットワークは、脳の相互接続したニューロンネットワークによってインスピレーションを得た計算モデルであり、パターンを認識し、予測するために使用されます。
Neural Network Architecture
ニューラルネットワークアーキテクチャは、層、接続、および計算単位の数と配置を含む人工ニューラルネットワークの設計と組織を指します。
Noise Reduction
ノイズ削減は、顔画像から望ましくないまたは無関係な信号や文物を除去または最小限にするプロセスであり、その後の顔認識タスクの品質と正確さを向上させます。
Normalization
標準化は、入力データを共通の範囲に再スケールおよび標準化するために使用されるプレプロセッサ技術で、機械学習モデルのパフォーマンスと konvergence スピードを改善するのに役立ちます。
O
One-To-Many Matching
One-to-Many Matchingは、アルゴリズムが既知の顔のデータベースを検索して、入力する顔の合図を見つけるタイプの顔認識です。
One-To-One Matching
One-to-One Matchingは、アルゴリズムが入力する顔が特定の事前定義された個人に一致するかどうかを検証する顔認識の種類です。
Open Source
オープンソースとは、ユーザがソースコードにアクセスし、使用し、変更することを可能にし、より広いコミュニティの協力と貢献を奨励する、自由に利用可能なソフトウェアまたはソリューションを指します。
Open-Set Identification
オープンセットの識別は、システムが知られている個人を正しく識別し、登録されたデータベースに存在しない未知または新規の個人を拒否しなければならない顔認識タスクです。
Optical Character Recognition (Ocr)
OCR (Optical Character Recognition) は、スキャンまたは撮影された文書やテキストを含む画像を編集可能で検索可能なデジタルテキストに変換する技術です。
Over-Identification
過剰識別は、顔認識システムが一致しない顔を正しく識別した場合に起こります。
Overfitting
機械学習では、モデルがトレーニングデータに過度に複雑または専門化され、新しい、目に見えないデータに対する一般化とパフォーマンスが悪くなった場合に過剰に適合が起こります。
P
Pose Variation
ポーズ変動は、顔認識システムが処理する必要がある頭の位置と方向の変化を指し、傾斜、回転、スケールの変動を含む。
Pose Variations
ポーズ変動は、画像やビデオの人の顔の位置、角度、または視点の変化を指し、正確な顔認識に挑戦する可能性があります。
Precision
正確性は、顔認識システムが特定の個人を正しく識別または検証するのにどれほど信頼できるかを測定し、典型的にはパーセントとして表現されます。
Preprocessing
プレプロセッサは、さらなる分析やモデリングの前に原始データに適用されるステップや技術を指します。
Privacy
プライバシーとは、顔認識システムおよびアプリケーションにおける個人の個人情報を保護し、その生物識別データを含むコントロールを指します。
Privacy By Design
プライバシーの設計は、プライバシーを優先し、顔認識システムなどの技術の設計とアーキテクチャにプライバシーの保護を組み込むシステム設計のアプローチです。
Privacy Concerns
顔認証におけるプライバシーの懸念は、バイオメトリックデータの収集、保存、使用に関連する潜在的なリスク、および個人プライバシーの誤用および侵害の可能性から生じます。
Privacy-Enhancing Technologies
プライバシー強化技術(PETs)とは、個人のプライバシーを保護するのに役立つ一連のツール、技術、アプリケーションを指します。
R
Racial Bias
顔認識における人種偏見とは、異なる人種または民族の背景を持つ個人を識別する際にシステムが示す不比例な正確性の変異または偏見を指します。
Recall
回想は、顔認識システムが特定の個人のすべてのインスタンスを正しく識別または検証できる程度の測定であり、典型的にはパーセントとして表現されます。
Receiver Operating Characteristic (Roc) Curve
ROC(Receiver Operating Characteristic)曲線は、異なる差別値で顔認識システムのパフォーマンスをグラフィックで表し、真の肯定率を偽の肯定率と比較する。
Robustness
顔認識の強度は、姿勢、照明、表現、または画像品質の変化などのさまざまな条件下で正確かつ信頼性の高い性能を実現するシステムの能力を指します。
Roc Curve
ROC(Receiver Operating Characteristic)曲線は、分類器または認識システムの真の肯定率と偽肯定率の間の妥協を示すグラフィックプロットです。
S
Scalability
顔認識におけるスケーラビリティは、システムがパフォーマンスや効率を犠牲にすることなく、データ、ユーザー、またはコンピューティングリソースの量の増加に対処する能力を指します。
Sensitivity
敏感性は、顔認識システムが、低照明や閉鎖などの困難なまたは非最適な条件の顔を正しく識別または検証できる程度の測定です。
Spoofing
顔認証におけるスパフィングは、仮面や印刷写真などの偽物または操作された顔情報を使用して、顔認証システムを騙したり騙したりする行為を指します。
Supervised Learning
Supervised Learning は ML アルゴリズムの一種で、モデルはラベル化されたデータに訓練され、それによって入力と適切な出力が提供されることを意味します。
Surveillance
監視とは、情報を収集し、セキュリティを確保し、またはコントロールを行使する目的で個人や物体を体系的に観察し、監視し、または追跡することを指します。
T
Template
顔認識のテンプレートは、画像から抽出された顔の特徴の数学的表現または暗号化です。
Template Matching
テンプレートマッチングは、特定のテンプレートに匹敵する画像の領域を見つけるために使用される技術であり、しばしば顔認識の原始的な方法として使用されます。
Testing Data
検証データとも呼ばれる検証データは、訓練された機械学習モデルのパフォーマンスと一般化能力を評価するために使用されるラベル化されたサンプルまたは入力データの別々のセットです。
Training Data
トレーニングデータとは、機械学習モデルのトレーニングに使用されるラベル化された例または入力データを指します。It helps the model learn the underlying patterns and relationships in the data.
Transfer Learning
転送学習は、特定のタスクまたはドメインに関するモデルの訓練から得た知識を別の関連タスクまたはドメインに適用する機械学習技術です。
U
Under-Identification
顔認証システムが本物または一致する顔を正当なマッチとして識別できない場合に発生します。
Underfitting
機械学習では、モデルがあまりにも単純であるか、またはデータの基本的なパターンをキャプチャする能力がない場合、データの複雑さが発生し、トレーニングとテストセットの両方のパフォーマンスが悪くなります。
Unsupervised Learning
Unsupervised Learning は ML アルゴリズムの一種で、モデルはラベル化されていないデータに訓練され、事前に定義された出力が提供されず、パターンや類似したデータポイントをグループ化することを学ぶ。
Usability
顔認識における可用性は、システムの使いやすさとユーザー体験を指し、ユーザーインターフェイスデザイン、機能性、全体的な満足度などの要因を含む。
V
Verification
Verification is the process of confirming the claimed identity of an individual by comparing their biometric data to a stored template or reference. 検証は、彼らのバイオメトリックデータを保存されたテンプレートまたは参照と比較することによって、個人の主張されたアイデンティティを確認するプロセスです。