솔라리스. 例えば，図 1 上段に示すように，顔検出手法によっ て誤検出された画像には，人間が顔と認識すること が難しい画像が多く含まれている.一方で，図 1 下 段に示すように，人間にとっては顔に近いパターン を持つ画像であっても，従来の顔認識手法ではこれ らの画像を顔と認識することが難しいことが報告さ れている.本論文では人間らしい顔の理解について 解析するために，図 1 上段に示すような顔検出器 による誤検出画像 (false positive)，図 1 下段に示す ような顔に近いパターンをもつ画像 (シミュラクラ 画像) の二種類の異なるデータを用いる.本論文で は，人間と CV 技術の顔に対する理解の相違を示唆 するこの二種類のデータをまとめて fake faces と呼 ぶこととする.また，解析手法として Convolutional Neural Network(CNN) による顔識別，Generative Adversarial Network(GAN) [3] による画像生成を行 う.本論文では fake faces の解析を行うために，VJ， CNN による false positive をそれぞれ 26,006 枚， 77,885 枚，シミュラクラ画像を 1,313 枚集めた."}" data-sheets-userformat="{"2":513,"3":[null,0],"12":0}">顔に関する研究はコンピュータビジョン (CV) 分
野で最も盛んなトピックの一つであり，Deep Neural Network(DNN) の発達によって，人間の知覚を超え た顔認識精度を達成している [1, 2].しかしながら， これらの CV 技術による認識というものは，人間に よる認識を真に再現しているかどうかは疑問が残る BitDefender for free. 例えば，図 1 上段に示すように，顔検出手法によっ て誤検出された画像には，人間が顔と認識すること が難しい画像が多く含まれている.一方で，図 1 下 段に示すように，人間にとっては顔に近いパターン を持つ画像であっても，従来の顔認識手法ではこれ らの画像を顔と認識することが難しいことが報告さ れている.本論文では人間らしい顔の理解について 解析するために，図 1 上段に示すような顔検出器 による誤検出画像 (false positive)，図 1 下段に示す ような顔に近いパターンをもつ画像 (シミュラクラ 画像) の二種類の異なるデータを用いる.本論文で は，人間と CV 技術の顔に対する理解の相違を示唆 するこの二種類のデータをまとめて fake faces と呼 ぶこととする.また，解析手法として Convolutional Neural Network(CNN) による顔識別，Generative Adversarial Network(GAN) [3] による画像生成を行 う.本論文では fake faces の解析を行うために，VJ， CNN による false positive をそれぞれ 26,006 枚， 77,885 枚，シミュラクラ画像を 1,313 枚集めた 2000년대 인기가요.