論文の概要: SIP-SegNet: A Deep Convolutional Encoder-Decoder Network for Joint Semantic Segmentation and Extraction of Sclera, Iris and Pupil based on Periocular Region Suppression

• arxiv url: http://arxiv.org/abs/2003.00825v1
• Date: Sat, 15 Feb 2020 15:20:44 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-31 23:21:21.789088
• Title: SIP-SegNet: A Deep Convolutional Encoder-Decoder Network for Joint Semantic Segmentation and Extraction of Sclera, Iris and Pupil based on Periocular Region Suppression
• Title（参考訳）: SIP-SegNet: 眼周囲領域の抑制に基づく統合意味的セマンティックセグメンテーションとSclera, Iris, Pupil抽出のための深部畳み込みエンコーダデコーダネットワーク
• Authors: Bilal Hassan, Ramsha Ahmed, Taimur Hassan, and Naoufel Werghi
• Abstract要約: マルチモーダル生体認証システムは 生体認証システムの限界に 対処する能力がある このようなシステムには高い特性、永続性、性能があるが、他の生体特性に基づく技術は容易に妥協できる。 SIP-SegNetと呼ばれる新しい深層学習フレームワークが提案され、眼形質のセマンティックセマンティックセグメンテーションを行う。
• 参考スコア（独自算出の注目度）: 8.64118000141143
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The current developments in the field of machine vision have opened new vistas towards deploying multimodal biometric recognition systems in various real-world applications. These systems have the ability to deal with the limitations of unimodal biometric systems which are vulnerable to spoofing, noise, non-universality and intra-class variations. In addition, the ocular traits among various biometric traits are preferably used in these recognition systems. Such systems possess high distinctiveness, permanence, and performance while, technologies based on other biometric traits (fingerprints, voice etc.) can be easily compromised. This work presents a novel deep learning framework called SIP-SegNet, which performs the joint semantic segmentation of ocular traits (sclera, iris and pupil) in unconstrained scenarios with greater accuracy. The acquired images under these scenarios exhibit purkinje reflexes, specular reflections, eye gaze, off-angle shots, low resolution, and various occlusions particularly by eyelids and eyelashes. To address these issues, SIP-SegNet begins with denoising the pristine image using denoising convolutional neural network (DnCNN), followed by reflection removal and image enhancement based on contrast limited adaptive histogram equalization (CLAHE). Our proposed framework then extracts the periocular information using adaptive thresholding and employs the fuzzy filtering technique to suppress this information. Finally, the semantic segmentation of sclera, iris and pupil is achieved using the densely connected fully convolutional encoder-decoder network. We used five CASIA datasets to evaluate the performance of SIP-SegNet based on various evaluation metrics. The simulation results validate the optimal segmentation of the proposed SIP-SegNet, with the mean f1 scores of 93.35, 95.11 and 96.69 for the sclera, iris and pupil classes respectively.
• Abstract（参考訳）: 機械ビジョンの分野における最近の進歩は、様々な現実世界のアプリケーションにマルチモーダルバイオメトリック認識システムを導入するための新しいvistaを開いている。 これらのシステムは、スプーフィング、ノイズ、非普遍性、クラス内変異に弱いユニモーダルバイオメトリックシステムの制限に対処することができる。 また、これらの認識システムでは、種々の生体特性間の眼特性が好ましく用いられる。 このようなシステムには高い特性、永続性、性能があるが、他の生体特性(指紋、音声など)に基づく技術は容易に妥協できる。 この研究は、SIP-SegNetと呼ばれる新しいディープラーニングフレームワークを提示し、より精度の高い制約のないシナリオにおいて、目の特徴(視線、虹彩、瞳孔)を共同で意味的セグメンテーションする。 これらのシナリオの下で得られた画像は、プキンジェ反射、分光反射、視線、オフアングルショット、低解像度、特にまぶたやまつげによる様々な閉塞を示す。 これらの問題に対処するため、SIP-SegNetは、DnCNN(Denoising Convolutional Neural Network)を使用してプリスタン画像をデノベートし、続いてコントラスト限定適応ヒストグラム等化(CLAHE)に基づいた反射除去と画像強調を行う。 提案手法は,適応しきい値を用いて眼周囲情報を抽出し,ファジィフィルタリング技術を用いて情報を抑制する。 最後に、密結合された完全畳み込みエンコーダ・デコーダネットワークを用いて、強膜、虹彩、瞳孔のセグメンテーションを実現する。 各種評価指標に基づいて,5つのCASIAデータセットを用いてSIP-SegNetの性能評価を行った。 シミュレーションの結果、提案したSIP-SegNetの最適セグメンテーションは、それぞれ93.35、95.11、96.69のスコアで検証された。

関連論文リスト

• Slicer Networks [8.43960865813102]
  医用画像解析のための新しいアーキテクチャであるスライダネットワークを提案する。 スライダ・ネットワークは、スプレイティング・ブルーリング・スライシング・プロセスを通じて、機能マップを戦略的に洗練し、アップサンプルする。 異なる医療画像アプリケーションにわたる実験により、スライカーネットワークの精度と効率が向上したことが確認された。
  論文  参考訳（メタデータ） (2024-01-18T09:50:26Z)
• LMBiS-Net: A Lightweight Multipath Bidirectional Skip Connection based CNN for Retinal Blood Vessel Segmentation [0.0]
  ブラディングアイの病気は、しばしば変化した網膜形態と相関し、眼底画像の網膜構造をセグメント化することによって臨床的に識別できる。 深層学習は、医用画像のセグメンテーションにおいて有望であるが、反復的な畳み込みとプール操作への依存は、エッジ情報の表現を妨げる可能性がある。 LMBiS-Net と呼ばれる軽量な画素レベルのCNNを網膜血管のセグメンテーションのために提案する。
  論文  参考訳（メタデータ） (2023-09-10T09:03:53Z)
• K-Space-Aware Cross-Modality Score for Synthesized Neuroimage Quality Assessment [71.27193056354741]
  クロスモダリティな医用画像合成をどう評価するかという問題は、ほとんど解明されていない。 本稿では,この課題の進展を促すため,新しい指標K-CROSSを提案する。 K-CROSSは、トレーニング済みのマルチモードセグメンテーションネットワークを使用して、病変の位置を予測する。
  論文  参考訳（メタデータ） (2023-07-10T01:26:48Z)
• Multimodal Adaptive Fusion of Face and Gait Features using Keyless attention based Deep Neural Networks for Human Identification [67.64124512185087]
  歩行のような軟式生体認証は、人物認識や再識別といった監視作業において顔に広く使われている。 本稿では,キーレス注意深層ニューラルネットワークを活用することで,歩行と顔のバイオメトリック・キューを動的に組み込むための適応型マルチバイオメトリック・フュージョン戦略を提案する。
  論文  参考訳（メタデータ） (2023-03-24T05:28:35Z)
• Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
  本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。 本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。 提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
  論文  参考訳（メタデータ） (2022-12-01T07:32:56Z)
• Affinity Feature Strengthening for Accurate, Complete and Robust Vessel Segmentation [48.638327652506284]
  血管セグメンテーションは、冠動脈狭窄、網膜血管疾患、脳動脈瘤などの多くの医学的応用において重要である。 コントラストに敏感なマルチスケールアフィニティアプローチを用いて,幾何学的手法と画素単位のセグメンテーション特徴を連成的にモデル化する新しいアプローチであるAFNを提案する。
  論文  参考訳（メタデータ） (2022-11-12T05:39:17Z)
• Compact multi-scale periocular recognition using SAFE features [63.48764893706088]
  特徴拡張(SAFE)記述子による対称性評価に基づく眼周囲認識のための新しい手法を提案する。 我々は、スクレラ中心を特徴抽出の単一キーポイントとして使用し、眼のこの点に集中するオブジェクトのようなアイデンティティ特性を強調します。
  論文  参考訳（メタデータ） (2022-10-18T11:46:38Z)
• RetiFluidNet: A Self-Adaptive and Multi-Attention Deep Convolutional Network for Retinal OCT Fluid Segmentation [3.57686754209902]
  OCTガイド下治療には網膜液の定量化が必要である。 RetiFluidNetと呼ばれる新しい畳み込みニューラルアーキテクチャは、多クラス網膜流体セグメンテーションのために提案されている。 モデルは、テクスチャ、コンテキスト、エッジといった特徴の階層的な表現学習の恩恵を受ける。
  論文  参考訳（メタデータ） (2022-09-26T07:18:00Z)
• Retinal Structure Detection in OCTA Image via Voting-based Multi-task Learning [27.637273690432608]
  本稿では,Voting-based Adaptive Feature Fusion multi-task network (VAFF-Net) を提案する。 タスク固有の投票ゲートモジュールは、特定のタスクに対して2段階の異なる特徴を適応的に抽出し、融合するために提案される。 さらなる研究を容易にするため、ソースコードと評価ベンチマークを備えたデータセットの一部がパブリックアクセス用にリリースされた。
  論文  参考訳（メタデータ） (2022-08-23T05:53:04Z)
• DFCANet: Dense Feature Calibration-Attention Guided Network for Cross Domain Iris Presentation Attack Detection [2.95102708174421]
  アイリス提示攻撃検出(IPAD)は個人識別の確保に不可欠である。 既存のIPADアルゴリズムは、目に見えないクロスドメインシナリオにうまく一般化しない。 本稿では,DFCANet: Dense Feature and Attention Guided Networkを提案する。
  論文  参考訳（メタデータ） (2021-11-01T13:04:23Z)
• Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and Convolutional Neural Networks [68.96150598294072]
  未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。 網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。 近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。 本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。 提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
  論文  参考訳（メタデータ） (2020-04-03T14:07:41Z)

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。