Fugu-MT 論文翻訳(概要): Iris Recognition: Inherent Binomial Degrees of Freedom

論文の概要: Iris Recognition: Inherent Binomial Degrees of Freedom

arxiv url: http://arxiv.org/abs/2006.16107v1
Date: Mon, 29 Jun 2020 15:15:49 GMT
ステータス: 処理完了
システム内更新日: 2022-11-15 15:05:11.922716
Title: Iris Recognition: Inherent Binomial Degrees of Freedom
Title（参考訳）: アイリスの認識: 固有の二項自由度
Authors: J. Michael Rozmus (Eyelock LLC)
Abstract要約: 人間の虹彩に内在する自由度は、いかなるエンコーディングにも依存せず、少なくとも536である。本論文は,高品質虹彩画像の画素間直接比較により,人間の虹彩内在する自由度が少なくとも536であることを示す。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The distinctiveness of the human iris has been measured by first extracting a set of features from the iris, an encoding, and then comparing these encoded feature sets to determine how distinct they are from one another. For example, John Daugman measures the distinctiveness of the human iris at 244 degrees of freedom, that is, Daugman's encoding maps irises into the equivalent of 2 ^ 244 distinct possibilities [2]. This paper shows by direct pixel-by-pixel comparison of high-quality iris images that the inherent number of degrees of freedom embodied in the human iris, independent of any encoding, is at least 536. When the resolution of these images is gradually reduced, the number of degrees of freedom decreases smoothly to 123 for the lowest resolution images tested.
Abstract（参考訳）: 人間の虹彩の特異性は、まず虹彩から特徴の集合を抽出し、符号化された特徴集合を比較して、それらが互いにどれだけ異なるかを決定することによって測定されてきた。例えば、ジョン・ダウグマン(John Daugman)は、人間の虹彩の特異性を244自由度で測定し、ダウグマンの符号化地図は2 ^ 244 個の異なる可能性 [2] に相当する。本稿では,高画質虹彩画像の画素別直接比較により,人間の虹彩に具現化された固有自由度数は,符号化によらず少なくとも536であることを示す。これらの画像の解像度が徐々に小さくなると、テストされた最小解像度画像に対して、自由度は滑らかに123に減少する。

関連論文リスト

On the Feasibility of Creating Iris Periocular Morphed Images [9.021226651004055]
本研究は、画像レベルで虹彩形態を生成するためのエンドツーエンドフレームワークを提案する。ペア対象の選択、セグメンテーション、形態形成、新しい虹彩認識システムなど、異なる段階を考慮する。その結果,従来の虹彩認識システムと混同できる非常にリアルな画像が得られた。
論文参考訳（メタデータ） (2024-08-24T06:48:46Z)
EyePreserve: Identity-Preserving Iris Synthesis [8.973296574093506]
本稿では,アイリス画像の完全データ駆動型,アイデンティティ保存型,瞳孔径変化型合成法を提案する。提案手法の直接的な応用は、(a)虹彩認識のための既存の生体計測データセットの合成、または強化、および(b)瞳孔拡張に有意な差がある虹彩画像対を調べるための法医学の専門家を支援することである。
論文参考訳（メタデータ） (2023-12-19T10:29:29Z)
Ethnicity and Biometric Uniqueness: Iris Pattern Individuality in a West African Database [0.2812395851874055]
ナイジェリアの大学で収集された画像から得られた虹彩パターンの比較を13万件以上行った。 AFHIRISデータベースでは,メラノサイトの粗い前層によるエントロピーの低下を測定した。人口差にもかかわらず、この西アフリカの人口の虹彩パターンの比較により、個人性は頑健に識別できると結論付けている。
論文参考訳（メタデータ） (2023-09-12T18:51:28Z)
Uniqueness of Iris Pattern Based on AR Model [4.236277880658203]
アイリスの独特性に対するダウグマンのアプローチは、最も広く受け入れられた1つとして際立っている。本稿では,虹彩認識システムのスケーラビリティを評価する手法を提案するとともに,虹彩品質を計測する手法を提案する。
論文参考訳（メタデータ） (2023-06-21T21:17:03Z)
Artificial Pupil Dilation for Data Augmentation in Iris Semantic Segmentation [0.0]
現代の虹彩認識のアプローチでは、深層学習を用いて虹彩の有効部分を眼の他の部分から切り離す。本稿では,新しいデータ拡張手法を導入することにより,虹彩意味分節システムの精度を向上させることを目的とする。
論文参考訳（メタデータ） (2022-12-24T13:31:56Z)
Self-supervised Character-to-Character Distillation for Text Recognition [54.12490492265583]
そこで本研究では,テキスト表現学習を容易にする汎用的な拡張を可能にする,自己教師型文字-文字-文字間蒸留法CCDを提案する。 CCDは、テキスト認識の1.38%、テキストセグメンテーションの1.7%、PSNRの0.24dB、超解像の0.0321(SSIM)で、最先端の結果を達成する。
論文参考訳（メタデータ） (2022-11-01T05:48:18Z)
Iris super-resolution using CNNs: is photo-realism important to iris recognition? [67.42500312968455]
特に畳み込みニューラルネットワーク(CNN)を用いた単一画像超解像技術が出現している本研究では, 虹彩認識のためのCNNを用いて, 単一画像の超解像を探索する。彼らは、近赤外線虹彩画像の1.872のデータベースと携帯電話画像データベースのアプローチを検証する。
論文参考訳（メタデータ） (2022-10-24T11:19:18Z)
Very Low-Resolution Iris Recognition Via Eigen-Patch Super-Resolution and Matcher Fusion [69.53542497693086]
局所像パッチの固有変換に基づいて虹彩画像の再構成に用いる超解像アルゴリズムの評価を行った。コントラストの強化は再現性を向上させるのに用いられ、マーカ融合は虹彩認識性能を改善するために採用されている。
論文参考訳（メタデータ） (2022-10-18T11:25:19Z)
Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。 BraTSのT2モダリティに関する総合的な実験により、提案手法は最先端の手法よりも大幅に優れていることが示された。
論文参考訳（メタデータ） (2022-03-29T08:41:17Z)
Iris Recognition Based on SIFT Features [63.07521951102555]
アイリス画像の認識にはSIFT(Scale Invariant Feature Transformation)を用いる。我々は、SIFT演算子を用いて、スケール空間における特徴SIFT特徴点を抽出し、特徴点周辺のテクスチャ情報に基づいてマッチングを行う。また、SIFT手法と、極座標変換とLog-Gaborウェーブレットに基づく一般的なマッチング手法の相補性を示す。
論文参考訳（メタデータ） (2021-10-30T04:55:33Z)
Identity and Attribute Preserving Thumbnail Upscaling [93.38607559281601]
我々は、人物の低解像度サムネイル画像を高解像度画像にアップスケールする作業を検討し、その人物のアイデンティティやその他の属性を保存する。以上の結果から,顔の類似性認識とルックアライズ生成の改善に加えて,入力サムネイルのアイデンティティを保ち,人種や属性を維持できる高解像度画像を生成する能力の向上が示唆された。
論文参考訳（メタデータ） (2021-05-30T19:32:27Z)

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。