論文の概要: Towards Efficient Unconstrained Palmprint Recognition via Deep Distillation Hashing

• arxiv url: http://arxiv.org/abs/2004.03303v1
• Date: Tue, 7 Apr 2020 12:15:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-16 00:25:56.974419
• Title: Towards Efficient Unconstrained Palmprint Recognition via Deep Distillation Hashing
• Title（参考訳）: 深部蒸留処理による非拘束パームプリント認識の効率化に向けて
• Authors: Huikai Shao, Dexing Zhong and Xuefeng Du
• Abstract要約: 効率的なパームプリント認識のためのベンチマークとして、ディープ蒸留ハッシュ (DDH) が提案されている。 パームプリント識別の精度は最大11.37%向上し、パームプリント検証のEER(Equal Error Rate)は最大3.11%削減できる。
• 参考スコア（独自算出の注目度）: 28.36096948563473
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deep palmprint recognition has become an emerging issue with great potential for personal authentication on handheld and wearable consumer devices. Previous studies of palmprint recognition are mainly based on constrained datasets collected by dedicated devices in controlled environments, which has to reduce the flexibility and convenience. In addition, general deep palmprint recognition algorithms are often too heavy to meet the real-time requirements of embedded system. In this paper, a new palmprint benchmark is established, which consists of more than 20,000 images collected by 5 brands of smart phones in an unconstrained manner. Each image has been manually labeled with 14 key points for region of interest (ROI) extraction. Further, the approach called Deep Distillation Hashing (DDH) is proposed as benchmark for efficient deep palmprint recognition. Palmprint images are converted to binary codes to improve the efficiency of feature matching. Derived from knowledge distillation, novel distillation loss functions are constructed to compress deep model to further improve the efficiency of feature extraction on light network. Comprehensive experiments are conducted on both constrained and unconstrained palmprint databases. Using DDH, the accuracy of palmprint identification can be increased by up to 11.37%, and the Equal Error Rate (EER) of palmprint verification can be reduced by up to 3.11%. The results indicate the feasibility of our database, and DDH can outperform other baselines to achieve the state-of-the-art performance. The collected dataset and related source codes are publicly available at http://gr.xjtu.edu.cn/web/bell/resource.
• Abstract（参考訳）: 深いパームプリント認識は、ハンドヘルドとウェアラブルの消費者デバイス上での個人認証に大きな可能性を秘めている。 パームプリント認識のこれまでの研究は、主に制御された環境で専用デバイスが収集した制約付きデータセットに基づいており、柔軟性と利便性を低下させる必要がある。 さらに、一般的なパームプリント認識アルゴリズムは、組込みシステムのリアルタイム要件を満たすには重すぎることが多い。 本稿では,5つのブランドのスマートフォンが無拘束で収集した2万枚以上の画像からなるヤシプリントベンチマークを新たに構築する。 各画像には、関心領域(ROI)抽出のための14のキーポイントが手動でラベル付けされている。 さらに, 効率的な深部パームプリント認識のためのベンチマークとして, 深部蒸留ハッシュ (ddh) と呼ばれる手法が提案されている。 Palmprintイメージは、特徴マッチングの効率を改善するためにバイナリコードに変換される。 知識蒸留から得られた新しい蒸留損失関数を用いて深層モデルを圧縮し、光ネットワークにおける特徴抽出の効率をさらに向上させる。 包括的実験は制約付きおよび制約なしのpalmprintデータベース上で行われる。 DDHを用いることで、パームプリント識別の精度を最大11.37%向上し、パームプリント検証のEER(Equal Error Rate)を最大3.11%削減することができる。 その結果、データベースの実現可能性を示し、DDHは他のベースラインを上回り、最先端の性能を達成することができた。 収集されたデータセットと関連するソースコードはhttp://gr.xjtu.edu.cn/web/bell/resourceで公開されている。

関連論文リスト

• Mobile Contactless Palmprint Recognition: Use of Multiscale, Multimodel Embeddings [26.774583290826193]
  本研究では、視覚変換器(ViT)と畳み込みニューラルネットワーク(CNN)を統合し、補完的な局所的特徴とグローバル的特徴を抽出する。 次に、Palm-IDと呼ばれる、モバイルベースのエンドツーエンドのパームプリント認識システムを開発する。 Palm-IDは精度とレイテンシのトレードオフをバランスさせ、サイズ516バイトのテンプレートを抽出するのに18msしか必要としない。
  論文  参考訳（メタデータ） (2024-01-16T04:42:54Z)
• Physics-Driven Spectrum-Consistent Federated Learning for Palmprint Verification [47.35171881187345]
  PSFed-Palmと呼ばれるパームプリント検証のための物理駆動型スペクトル一貫性フェデレート学習法を提案する。 提案手法は、まず、局所スペクトル画像の波長範囲に応じて、クライアントを短スペクトル群と長スペクトル群に分割する。 我々は,グローバルモデルとの整合性を確保するため,局所モデルに制約を課し,モデルドリフトを効果的に防止する。
  論文  参考訳（メタデータ） (2023-08-01T11:01:17Z)
• Accelerated Fingerprint Enhancement: A GPU-Optimized Mixed Architecture Approach [47.87570819350573]
  本論文は,Unet混在アーキテクチャを中心に設計された潜伏指紋強調への予備的アプローチを示す。 Resnet-101ネットワークとUnetエンコーダの能力を組み合わせることで、潜在的に強力なコンポジットを作ることを目指している。 このアプローチの革新的な要素の1つは、GPU計算用に特別に設計された新しいFingerprint Enhancement Gabor層である。
  論文  参考訳（メタデータ） (2023-06-01T01:19:32Z)
• A Universal Latent Fingerprint Enhancer Using Transformers [47.87570819350573]
  本研究の目的は,ULPrintと呼ばれる高速なフィンガープリント方式を開発し,様々な潜伏指紋のタイプを増強することである。 クローズドセットの識別精度実験では、MSU-AFISの性能は61.56%から75.19%に向上した。
  論文  参考訳（メタデータ） (2023-05-31T23:01:11Z)
• Synthetic Latent Fingerprint Generator [47.87570819350573]
  フル指紋画像(ローリングまたはスラップ)が与えられた場合、私たちはCycleGANモデルを示し、フルプリントと同じアイデンティティの複数の潜在印象を生成する。 我々のモデルは、生成された潜在印刷画像の歪み、ノイズ、ぼかし、閉塞の程度を制御できる。 合成潜入指紋を生成する手法は,潜入指紋の認識性能向上に有効である。
  論文  参考訳（メタデータ） (2022-08-29T18:02:02Z)
• Geometric Synthesis: A Free lunch for Large-scale Palmprint Recognition Model Pretraining [27.81138870690135]
  パラメータ化されたB'ezier曲線を持つパーマークリーゼを表す直観的幾何学モデルを導入する。 B'ezierパラメータをランダムにサンプリングすることで、多様なアイデンティティの大規模なトレーニングサンプルを合成できる。 実験結果から, 合成事前学習モデルは非常に強力な一般化能力を有することが示された。
  論文  参考訳（メタデータ） (2022-03-11T01:20:22Z)
• Touchless Palmprint Recognition based on 3D Gabor Template and Block Feature Refinement [28.991303988737503]
  1167名から2334個のパームを含む大規模なタッチレスパームプリントデータセットを構築します。 われわれの知る限り、これは史上最大の接触なしヤシプリント画像ベンチマークである。 タッチレスパームプリント認識のための新しい深層学習フレームワーク3DCPNを提案する。
  論文  参考訳（メタデータ） (2021-03-03T04:22:24Z)
• Responsible Disclosure of Generative Models Using Scalable Fingerprinting [70.81987741132451]
  深層生成モデルは質的に新しいパフォーマンスレベルを達成した。 この技術がスプーフセンサーに誤用され、ディープフェイクを発生させ、大規模な誤情報を可能にするという懸念がある。 最先端のジェネレーションモデルを責任を持って公開することで、研究者や企業がモデルに指紋を刻むことができます。
  論文  参考訳（メタデータ） (2020-12-16T03:51:54Z)
• Towards Palmprint Verification On Smartphones [62.279124220123286]
  過去20年間の研究によると、ヤシの印刷物は独特性と永続性に優れた効果がある。 我々はスマートフォン用のDeepMPV+というDCNNベースのパームプリント検証システムを構築した。 DeepMPV+の効率と有効性は広範な実験によって裏付けられている。
  論文  参考訳（メタデータ） (2020-03-30T08:31:03Z)
• Towards Unconstrained Palmprint Recognition on Consumer Devices: a Literature Review [0.34376560669160383]
  バイオメトリック・パームプリントは、ほとんど使われていないが、指紋や顔のバイオメトリックスよりもいくつかの利点がある。 ハンドヘルドデバイスとウェアラブルデバイスにおける最近の画像機能の改善は、手のひらプリントの使用に対する関心を再燃させた。
  論文  参考訳（メタデータ） (2020-03-02T09:53:43Z)

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。