論文の概要: End-to-end User Recognition using Touchscreen Biometrics
- arxiv url: http://arxiv.org/abs/2006.05388v1
- Date: Tue, 9 Jun 2020 16:38:09 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-23 15:48:12.311209
- Title: End-to-end User Recognition using Touchscreen Biometrics
- Title（参考訳）: タッチスクリーンバイオメトリックスを用いたエンド・ツー・エンドのユーザ認識
- Authors: Micha{\l} Krzemi\'nski, Javier Hernando
- Abstract要約: 目標は、モバイルデバイスの生データを使ってユーザーを透過的に識別できるエンドツーエンドシステムを作ることだった。
提案するシステムでは,タッチスクリーンからのデータはディープニューラルネットワークの入力に直接反映され,ユーザの同一性を決定することができる。
- 参考スコア（独自算出の注目度）: 11.394909061094463
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We study the touchscreen data as behavioural biometrics. The goal was to
create an end-to-end system that can transparently identify users using raw
data from mobile devices. The touchscreen biometrics was researched only few
times in series of works with disparity in used methodology and databases. In
the proposed system data from the touchscreen goes directly, without any
processing, to the input of a deep neural network, which is able to decide on
the identity of the user. No hand-crafted features are used. The implemented
classification algorithm tries to find patterns by its own from raw data. The
achieved results show that the proposed deep model is sufficient enough for the
given identification task. The performed tests indicate high accuracy of user
identification and better EER results compared to state of the art systems. The
best result achieved by our system is 0.65% EER.
- Abstract（参考訳）: タッチスクリーンデータを行動バイオメトリックスとして研究する。
目標は、モバイルデバイスの生データを使ってユーザーを透過的に識別できるエンドツーエンドシステムを作ることだった。
タッチスクリーンバイオメトリックスは、使用法とデータベースの相違点のある一連の研究において、わずか数回しか研究されなかった。
提案したシステムでは、タッチスクリーンからのデータを直接処理せずにディープニューラルネットワークの入力に転送し、ユーザのアイデンティティを決定することができる。
手作りの機能は使用されていない。
実装された分類アルゴリズムは、生データから独自のパターンを見つけようとする。
得られた結果は,提案する深層モデルが与えられた識別タスクに十分であることを示す。
実験の結果,技術システムと比較すると,ユーザ識別精度が高く,EER結果も良好であった。
我々のシステムによる最良の結果は0.65% EERである。
関連論文リスト
- UserBoost: Generating User-specific Synthetic Data for Faster Enrolment into Behavioural Biometric Systems [8.812837829361923]
実データと合成データを併用することで,生体認証システムにエンロールするために必要な実データポイント数を削減できることを示す。
実世界のシステムにおいて,学習における合成ジェスチャーを用いることで,分類能力の向上が期待できることを示す。
論文 参考訳（メタデータ） (2024-07-12T09:10:07Z) - Multi-Channel Time-Series Person and Soft-Biometric Identification [65.83256210066787]
本研究は, 深層建築を用いて異なる活動を行う人間の記録から, 個人とソフトバイオメトリックスを同定する。
マルチチャネル時系列ヒューマンアクティビティ認識(HAR)の4つのデータセットに対する手法の評価を行った。
ソフトバイオメトリクスに基づく属性表現は、有望な結果を示し、より大きなデータセットの必要性を強調している。
論文 参考訳（メタデータ） (2023-04-04T07:24:51Z) - Advancing 3D finger knuckle recognition via deep feature learning [51.871256510747465]
接触のない3Dフィンガーナックルパターンは、識別性、距離からの視認性、利便性、利便性により、効果的な生体認証として出現している。
近年、ディープニューラルネットワークの中間機能を複数のスケールで同時に組み込むディープ・フィーチャー・コラボレーティブ・ネットワークが開発されている。
本稿では,3次元指のナックル画像を表現するために,最小次元の識別特徴ベクトルを学習する可能性を検討することにより,本手法を推し進める。
論文 参考訳（メタデータ） (2023-01-07T20:55:16Z) - Few-Shot Learning for Biometric Verification [2.3226893628361682]
機械学習アプリケーションでは、できるだけ多くの情報を供給することが一般的である。ほとんどの場合、モデルはより正確に予測できる大規模なデータセットを扱うことができる。
本稿では,Few-Shot 学習手法による最先端のアキュラシーと比較し,バイオメトリックスデータの検証を行う,新しいエンドツーエンド軽量アーキテクチャを提案する。
論文 参考訳（メタデータ） (2022-11-12T22:49:25Z) - Facial Soft Biometrics for Recognition in the Wild: Recent Works,
Annotation, and COTS Evaluation [63.05890836038913]
制約のないシナリオにおける人物認識システムを強化するために,ソフトバイオメトリックスが果たす役割について検討する。
1) ソフトバイオメトリックスのマニュアル推定と,2) 市販オフザシェルフシステムによる自動推定の2つの仮定を考察する。
深層学習に基づく2つの最先端顔認識システムを用いた軟式生体計測実験を行った。
論文 参考訳（メタデータ） (2022-10-24T11:29:57Z) - Mobile Behavioral Biometrics for Passive Authentication [65.94403066225384]
本研究は, 単モーダルおよび多モーダルな行動的生体特性の比較分析を行った。
HuMIdbは、最大かつ最も包括的なモバイルユーザインタラクションデータベースである。
我々の実験では、最も識別可能な背景センサーは磁力計であり、タッチタスクではキーストロークで最良の結果が得られる。
論文 参考訳（メタデータ） (2022-03-14T17:05:59Z) - Finding Facial Forgery Artifacts with Parts-Based Detectors [73.08584805913813]
顔の個々の部分に焦点を絞った一連の偽造検知システムを設計する。
これらの検出器を用いて、FaceForensics++、Celeb-DF、Facebook Deepfake Detection Challengeデータセットの詳細な実験分析を行う。
論文 参考訳（メタデータ） (2021-09-21T16:18:45Z) - Omni-supervised Facial Expression Recognition via Distilled Data [120.11782405714234]
ネットワークトレーニングにおいて,信頼度の高いサンプルを多量のラベルのないデータで活用するためのオムニ教師付き学習を提案する。
我々は,新しいデータセットが学習したFERモデルの能力を大幅に向上させることができることを実験的に検証した。
そこで本研究では,生成したデータセットを複数のクラスワイド画像に圧縮するために,データセット蒸留戦略を適用することを提案する。
論文 参考訳（メタデータ） (2020-05-18T09:36:51Z) - Deep convolutional neural networks for face and iris presentation attack
detection: Survey and case study [0.5801044612920815]
顔PADのクロスデータセット評価は,術式よりも一般化が良好であった。
顔と虹彩の両方の攻撃を検出するために訓練された1つのディープネットワークを提案する。
論文 参考訳（メタデータ） (2020-04-25T02:06:19Z) - Digit Recognition Using Convolution Neural Network [0.0]
本稿では,文字認識の精度を高めるために,正しい特徴を抽出することを目的とする。
パスワード、銀行小切手などの数字認識の応用により、有効なユーザ識別が認識される。
本研究の主な目的は、畳み込みニューラルネットワーク(CNN)を用いて、99.15%の精度を得ることである。
論文 参考訳（メタデータ） (2020-04-01T10:41:57Z)
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。