論文の概要: Dog Identification using Soft Biometrics and Neural Networks
- arxiv url: http://arxiv.org/abs/2007.11986v1
- Date: Wed, 22 Jul 2020 10:22:46 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-07 23:04:13.368453
- Title: Dog Identification using Soft Biometrics and Neural Networks
- Title(参考訳): ソフトバイオメトリックスとニューラルネットワークを用いた犬の識別
- Authors: Kenneth Lai, Xinyuan Tu, and Svetlana Yanushkevich
- Abstract要約: ペットの身元を決定するため,ペットの写真にディープニューラルネットワークなどの高度な機械学習モデルを適用した。
我々は,ペットの顔写真などの「硬い」バイオメトリックスと融合する際に,品種,身長,性別などの異なるタイプの「軟い」バイオメトリックスを使用することの可能性を探る。
提案したネットワークは,2種の犬種間の相違により,90.80%と91.29%の精度を達成できる。
- 参考スコア(独自算出の注目度): 1.2922946578413577
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper addresses the problem of biometric identification of animals,
specifically dogs. We apply advanced machine learning models such as deep
neural network on the photographs of pets in order to determine the pet
identity. In this paper, we explore the possibility of using different types of
"soft" biometrics, such as breed, height, or gender, in fusion with "hard"
biometrics such as photographs of the pet's face. We apply the principle of
transfer learning on different Convolutional Neural Networks, in order to
create a network designed specifically for breed classification. The proposed
network is able to achieve an accuracy of 90.80% and 91.29% when
differentiating between the two dog breeds, for two different datasets. Without
the use of "soft" biometrics, the identification rate of dogs is 78.09% but by
using a decision network to incorporate "soft" biometrics, the identification
rate can achieve an accuracy of 84.94%.
- Abstract(参考訳): 本稿では,動物,特に犬における生体認証の問題に対処する。
ペットの身元を決定するため,ペットの写真にディープニューラルネットワークなどの高度な機械学習モデルを適用した。
本稿では,ペットの顔写真などの「硬い」バイオメトリックスとの融合において,品種,身長,性別などの異なるタイプの「軟い」バイオメトリックスを使用することの可能性を検討する。
本研究では,異なる畳み込みニューラルネットワーク上でのトランスファー学習の原則を適用し,分類のためのネットワークを構築する。
提案したネットワークは、2つの異なるデータセットに対して2匹の犬種を区別した場合、90.80%と91.29%の精度を達成することができる。
ソフトバイオメトリックスを使用しなければ、犬の識別率は78.09%であるが、「ソフトバイオメトリックス」を組み込む決定ネットワークを使用することで、84.94%の精度が得られる。
関連論文リスト
- The theoretical limits of biometry [0.0]
本稿では,生体認証システムの誤差率を管理する識別可能性問題に関する理論的解析を提案する。
本研究では,ノイズの存在下での衝突を防止するために必要な個体数と独立ビット数との単純な関係を実証する。
この結果は、地球全体の生物測定が通常の円盤に収まり、ノイズと冗長性のための空間を残しているため、非常に活発である。
論文 参考訳(メタデータ) (2023-11-06T08:28:12Z) - TinySiamese Network for Biometric Analysis [4.182752531593034]
バイオメトリック認識は、畳み込みニューラルネットワーク(CNN)やシームズネットワークなど、機械学習アルゴリズムを必要とする複雑なタスクである。
提案されたTinySiameseと標準のSiameseの主な利点は、トレーニングにCNN全体を必要としないことである。
CNNを特徴抽出器として使用し、TinySiameseを用いて抽出した特徴を学習することで、生体認証の標準であるSiameseとほぼ同等の性能と効率が得られた。
論文 参考訳(メタデータ) (2023-07-02T14:15:52Z) - Multi-Domain Norm-referenced Encoding Enables Data Efficient Transfer
Learning of Facial Expression Recognition [62.997667081978825]
本稿では,表情認識における伝達学習のための生物学的メカニズムを提案する。
提案アーキテクチャでは,人間の脳が,頭部形状の異なる表情を自然に認識する方法について解説する。
本モデルでは, FERGデータセットの分類精度92.15%を極端に高いデータ効率で達成する。
論文 参考訳(メタデータ) (2023-04-05T09:06:30Z) - 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) - A Competitive Method for Dog Nose-print Re-identification [46.94755073943372]
本稿では,CVPR 2022ペット生体認証における犬の鼻指紋認証(Re-ID)課題について提案する。
複数のモデルが組み合わされ、テストセット上で86.67%のAUCが得られる。
論文 参考訳(メタデータ) (2022-05-31T16:26:46Z) - Biometric identification by means of hand geometry and a neural net
classifier [0.0]
従来の文書スキャナーを用いて22人のデータベースを取得した。
実験セクションは、異なる特徴の識別能力に関する研究から成っている。
論文 参考訳(メタデータ) (2022-04-08T08:40:45Z) - Persistent Animal Identification Leveraging Non-Visual Markers [71.14999745312626]
乱雑なホームケージ環境下で各マウスにユニークな識別子を時間をかけて発見し提供することを目的としている。
これは、(i)各マウスの視覚的特徴の区別の欠如、(ii)一定の閉塞を伴うシーンの密閉性のため、非常に難しい問題である。
本手法は, この動物識別問題に対して77%の精度を達成し, 動物が隠れているときの急激な検出を拒否することができる。
論文 参考訳(メタデータ) (2021-12-13T17:11:32Z) - Facial Masks and Soft-Biometrics: Leveraging Face Recognition CNNs for
Age and Gender Prediction on Mobile Ocular Images [53.913598771836924]
スマートフォンで撮影した自撮り眼画像を使って年齢や性別を推定します。
ImageNet Challengeの文脈で提案された2つの既存の軽量CNNを適応させる。
一部のネットワークは顔認識のためにさらにトレーニングされており、非常に大規模なトレーニングデータベースが利用可能です。
論文 参考訳(メタデータ) (2021-03-31T01:48:29Z) - Automatic image-based identification and biomass estimation of
invertebrates [70.08255822611812]
時間を要する分類と分類は、どれだけの昆虫を処理できるかに強い制限を課す。
我々は、人間の専門家による分類と識別の標準的な手動アプローチを、自動画像ベース技術に置き換えることを提案する。
分類タスクには最先端のResnet-50とInceptionV3 CNNを使用する。
論文 参考訳(メタデータ) (2020-02-05T21:38:57Z)
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。