論文の概要: Are Gabor Kernels Optimal for Iris Recognition?

• arxiv url: http://arxiv.org/abs/2002.08959v1
• Date: Thu, 20 Feb 2020 17:51:11 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-30 07:52:14.504613
• Title: Are Gabor Kernels Optimal for Iris Recognition?
• Title（参考訳）: Gaborカーネルは虹彩認識に最適か?
• Authors: Aidan Boyd, Adam Czajka, Kevin Bowyer
• Abstract要約: Gaborカーネルは虹彩認識のための支配的なフィルタとして広く受け入れられている。 我々は,オープンソースのアイリス認識ソフトウェアに容易に移植可能なデータ駆動カーネルを学習する。
• 参考スコア（独自算出の注目度）: 4.658023970671232
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Gabor kernels are widely accepted as dominant filters for iris recognition. In this work we investigate, given the current interest in neural networks, if Gabor kernels are the only family of functions performing best in iris recognition, or if better filters can be learned directly from iris data. We use (on purpose) a single-layer convolutional neural network as it mimics an iris code-based algorithm. We learn two sets of data-driven kernels; one starting from randomly initialized weights and the other from open-source set of Gabor kernels. Through experimentation, we show that the network does not converge on Gabor kernels, instead converging on a mix of edge detectors, blob detectors and simple waves. In our experiments carried out with three subject-disjoint datasets we found that the performance of these learned kernels is comparable to the open-source Gabor kernels. These lead us to two conclusions: (a) a family of functions offering optimal performance in iris recognition is wider than Gabor kernels, and (b) we probably hit the maximum performance for an iris coding algorithm that uses a single convolutional layer, yet with multiple filters. Released with this work is a framework to learn data-driven kernels that can be easily transplanted into open-source iris recognition software (for instance, OSIRIS -- Open Source IRIS).
• Abstract（参考訳）: Gaborカーネルは虹彩認識のための支配的なフィルタとして広く受け入れられている。 本研究では,現在のニューラルネットワークへの関心を踏まえて,gaborカーネルが虹彩認識に最も適する関数群である場合や,より優れたフィルタを虹彩データから直接学習できる場合について検討する。 アイリスコードに基づくアルゴリズムを模倣した単一層畳み込みニューラルネットワークを(目的として)使用しています。 1つはランダムに初期化された重みから始まり、もう1つはGaborカーネルのオープンソースセットから学習する。 実験により、gaborカーネル上ではネットワークが収束せず、エッジ検出器、ブロブ検出器、単純な波の混合で収束することを示した。 実験の結果,これらの学習されたカーネルの性能は,オープンソースのGaborカーネルに匹敵することがわかった。 これらから2つの結論が得られます (a)虹彩認識における最適性能を提供する関数群はGaborカーネルよりも広く、 (b)単一畳み込み層を用いたアイリス符号化アルゴリズムの最大性能を達成できたが,フィルタは複数であった。 この作業でリリースされたフレームワークは、オープンソースのアイリス認識ソフトウェア(OSIRIS -- Open Source IRIS)に簡単に移植可能な、データ駆動カーネルを学習するフレームワークである。

関連論文リスト

• Osiris: A Systolic Approach to Accelerating Fully Homomorphic Encryption [3.16990548935142]
  本稿では, シストリックアーキテクチャを用いて, 完全同型暗号(FHE)をいかに高速化できるかを示す。 我々は手足インターリービングと呼ばれる新しいデータタイリング手法を提案する。 Osirisの評価は、すべての標準ベンチマークにおいて、従来の最先端アクセラレータよりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-08-18T20:58:54Z)
• Compacting Binary Neural Networks by Sparse Kernel Selection [58.84313343190488]
  本稿は,BNNにおけるバイナリカーネルの分散化がほぼ不可能であることを示すものである。 我々は、選択過程をエンドツーエンドに最適化するだけでなく、選択したコードワードの非反復的占有を維持できる置換ストレートスルー推定器(PSTE)を開発した。 実験により,提案手法はモデルサイズとビット幅の計算コストの両方を削減し,同等の予算下での最先端のBNNと比較して精度の向上を実現する。
  論文  参考訳（メタデータ） (2023-03-25T13:53:02Z)
• Lifelong Bandit Optimization: No Prior and No Regret [70.94238868711952]
  我々は,過去の経験から学習することで環境に適応するアルゴリズムであるLIBOを開発した。 カーネルが未知だが、すべてのタスク間で共有されるカーネル構造を仮定する。 我々のアルゴリズムは、任意のカーネル化または線形バンディットアルゴリズムと組み合わせて、最適な性能を保証できる。
  論文  参考訳（メタデータ） (2022-10-27T14:48:49Z)
• Incorporating Prior Knowledge into Neural Networks through an Implicit Composite Kernel [1.6383321867266318]
  Implicit Composite Kernel (ICK) は、ニューラルネットワークによって暗黙的に定義されたカーネルと、既知のプロパティをモデル化するために選択された第2のカーネル関数を組み合わせたカーネルである。 合成データセットと実世界のデータセットの両方において、ICKの優れた性能と柔軟性を実証する。
  論文  参考訳（メタデータ） (2022-05-15T21:32:44Z)
• Kernel Identification Through Transformers [54.3795894579111]
  カーネル選択はガウス過程(GP)モデルの性能決定において中心的な役割を果たす。 この研究は、高次元GP回帰モデルのためのカスタムカーネル関数を構築するという課題に対処する。 KITT: Kernel Identification through Transformersを提案する。
  論文  参考訳（メタデータ） (2021-06-15T14:32:38Z)
• Random Features for the Neural Tangent Kernel [57.132634274795066]
  完全接続型ReLUネットワークのニューラルタンジェントカーネル(NTK)の効率的な特徴マップ構築を提案する。 得られた特徴の次元は、理論と実践の両方で比較誤差境界を達成するために、他のベースライン特徴マップ構造よりもはるかに小さいことを示しています。
  論文  参考訳（メタデータ） (2021-04-03T09:08:12Z)
• Isolation Distributional Kernel: A New Tool for Point & Group Anomaly Detection [76.1522587605852]
  分離分散カーネル(IDK)は2つの分布の類似性を測定する新しい方法である。 我々は、カーネルベースの異常検出のための新しいツールとして、IDKの有効性と効率を示す。
  論文  参考訳（メタデータ） (2020-09-24T12:25:43Z)
• End-to-end Kernel Learning via Generative Random Fourier Features [31.57596752889935]
  ランダムフーリエ機能(RFF)は、スペクトルケースでのカーネル学習に有望な方法を提供する。 本稿では,カーネル学習と線形学習を統一フレームワークに組み込む一段階プロセスについて考察する。
  論文  参考訳（メタデータ） (2020-09-10T00:27:39Z)
• Learning Deep Kernels for Non-Parametric Two-Sample Tests [50.92621794426821]
  2組のサンプルが同じ分布から引き出されるかどうかを判定するカーネルベースの2サンプルテストのクラスを提案する。 私たちのテストは、テストパワーを最大化するためにトレーニングされたディープニューラルネットワークによってパラメータ化されたカーネルから構築されます。
  論文  参考訳（メタデータ） (2020-02-21T03:54:23Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。