論文の概要: Hybrid Score- and Rank-level Fusion for Person Identification using Face
and ECG Data
- arxiv url: http://arxiv.org/abs/2008.03353v1
- Date: Fri, 7 Aug 2020 19:54:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-02 01:38:57.156507
- Title: Hybrid Score- and Rank-level Fusion for Person Identification using Face
and ECG Data
- Title(参考訳): 顔と心電図データを用いた人物識別のためのハイブリッドスコアとランクレベルの融合
- Authors: Thomas Truong, Jonathan Graf, Svetlana Yanushkevich
- Abstract要約: ユニモーダル識別システムは、センサデータ収集におけるエラーに対して脆弱である。
本稿では,顔と心電図データの識別結果を組み合わせる手法を提案する。
- 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: Uni-modal identification systems are vulnerable to errors in sensor data
collection and are therefore more likely to misidentify subjects. For instance,
relying on data solely from an RGB face camera can cause problems in poorly lit
environments or if subjects do not face the camera. Other identification
methods such as electrocardiograms (ECG) have issues with improper lead
connections to the skin. Errors in identification are minimized through the
fusion of information gathered from both of these models. This paper proposes a
methodology for combining the identification results of face and ECG data using
Part A of the BioVid Heat Pain Database containing synchronized RGB-video and
ECG data on 87 subjects. Using 10-fold cross-validation, face identification
was 98.8% accurate, while the ECG identification was 96.1% accurate. By using a
fusion approach the identification accuracy improved to 99.8%. Our proposed
methodology allows for identification accuracies to be significantly improved
by using disparate face and ECG models that have non-overlapping modalities.
- Abstract(参考訳): ユニモーダル識別システムはセンサデータ収集の誤差に弱いため、被験者を誤識別する可能性が高くなる。
例えば、rgbのフェイスカメラのみのデータに依存すると、暗い環境や被写体がカメラに向き合わなければ問題が発生する可能性がある。
心電図(ECG)のような他の診断法では、皮膚への不適切な鉛接続に問題がある。
識別における誤差は、両者のモデルから収集された情報の融合によって最小化される。
本稿では,RGBビデオとECGデータを同期したBioVid Heat Pain DatabaseのパートAを用いて,顔と心電図データの識別結果を組み合わせる手法を提案する。
10倍のクロスバリデーションでは、顔の識別は98.8%、ECGの識別は96.1%であった。
融合アプローチにより、識別精度は99.8%に向上した。
提案手法では,非重複モードの異なる顔モデルとECGモデルを用いて,識別精度を著しく向上させることができる。
関連論文リスト
- Log-Likelihood Score Level Fusion for Improved Cross-Sensor Smartphone
Periocular Recognition [52.15994166413364]
我々は、複数のコンパレータを融合させて、異なるスマートフォンの画像を比較する際に、眼周囲の性能を改善する。
我々は線形ロジスティック回帰に基づく確率的融合フレームワークを使用し、融合したスコアはログライクな比率になる傾向にある。
我々のフレームワークは、同じセンサとクロスセンサーのスコア分布が整列され、共通の確率領域にマッピングされるため、異なるデバイスからの信号を処理するためのエレガントでシンプルなソリューションも提供します。
論文 参考訳(メタデータ) (2023-11-02T13:43:44Z) - Corneal endothelium assessment in specular microscopy images with Fuchs'
dystrophy via deep regression of signed distance maps [48.498376125522114]
本稿では,UNetをベースとしたセグメンテーション手法を提案する。
これは、フックスのジストロフィーの全度にわたって、信頼できるCE形態計測と腸骨同定を実現する。
論文 参考訳(メタデータ) (2022-10-13T15:34:20Z) - Gait-based Human Identification through Minimum Gait-phases and Sensors [0.45857634932098795]
本稿では,異なる歩行位相の時間的および記述的統計パラメータを特徴とする歩行識別手法を提案する。
歩行サイクル全体の1つのフェーズを1つのセンサーで監視することで、95.5%以上の高い精度を達成することができる。
また,歩行周期全体を骨盤と足のセンサで監視すると,100%の識別精度が得られた。
論文 参考訳(メタデータ) (2021-10-15T02:09:45Z) - Assessing glaucoma in retinal fundus photographs using Deep Feature
Consistent Variational Autoencoders [63.391402501241195]
緑内障は症状が重くなるまで無症状のままでいるため、検出が困難である。
緑内障の早期診断は機能的,構造的,臨床的評価に基づいて行われることが多い。
ディープラーニング手法はこのジレンマを、マーカー識別段階をバイパスし、ハイレベルな情報を分析してデータを分類することで部分的に解決している。
論文 参考訳(メタデータ) (2021-10-04T16:06:49Z) - Identification of Ischemic Heart Disease by using machine learning
technique based on parameters measuring Heart Rate Variability [50.591267188664666]
本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。
最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
論文 参考訳(メタデータ) (2020-10-29T19:14:41Z) - DVG-Face: Dual Variational Generation for Heterogeneous Face Recognition [85.94331736287765]
我々は、HFRを二重生成問題として定式化し、新しいDual Variational Generation(DVG-Face)フレームワークを用いてそれに取り組む。
大規模可視データの豊富なアイデンティティ情報を結合分布に統合する。
同一の同一性を持つ多種多様な多種多様な画像は、ノイズから生成することができる。
論文 参考訳(メタデータ) (2020-09-20T09:48:24Z) - Human Recognition Using Face in Computed Tomography [26.435782518817295]
本稿では、ROI抽出のための3次元顔のランドマークを最初に検出し、自動認識に使用する2次元深度画像を生成する自動処理パイプラインを提案する。
提案手法は,92.53%の1:56同定精度と96.12%の1:1検証精度を達成し,他の競合手法よりも優れていた。
論文 参考訳(メタデータ) (2020-05-28T18:59:59Z) - ECG-DelNet: Delineation of Ambulatory Electrocardiograms with Mixed
Quality Labeling Using Neural Networks [69.25956542388653]
ディープラーニング(DL)アルゴリズムは、学術的、産業的にも重くなっている。
セグメンテーションフレームワークにECGの検出とデライン化を組み込むことにより、低解釈タスクにDLをうまく適用できることを実証する。
このモデルは、PhyloNetのQTデータベースを使用して、105個の増幅ECG記録から訓練された。
論文 参考訳(メタデータ) (2020-05-11T16:29:12Z) - A Graph-constrained Changepoint Detection Approach for ECG Segmentation [5.209323879611983]
本稿では,前処理ステップを使わずにRピーク位置を確実に検出するための新しいグラフベース最適変化点検出法を提案する。
提案手法は,MIT-BIH不整脈データベース(MIT-BIH-AR)に基づいて,全体の感度 Sen = 99.76,正の予測率 PPR = 99.68,検出誤差率 DER = 0.55 を達成する。
論文 参考訳(メタデータ) (2020-04-24T23:41:41Z)
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。