論文の概要: Cross-Spectral Periocular Recognition with Conditional Adversarial Networks

• arxiv url: http://arxiv.org/abs/2008.11604v1
• Date: Wed, 26 Aug 2020 15:02:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-24 21:46:16.413834
• Title: Cross-Spectral Periocular Recognition with Conditional Adversarial Networks
• Title（参考訳）: 条件付き対向ネットワークを用いたスペクトル間近視認識
• Authors: Kevin Hernandez-Diaz, Fernando Alonso-Fernandez, Josef Bigun
• Abstract要約: 本研究では,近赤外・近赤外スペクトル間の近赤外画像の変換を訓練した条件付き生成逆相関ネットワークを提案する。 EER=1%, GAR>99% @ FAR=1%, ポリUデータベースの最先端技術に匹敵するスペクトル近視性能を得た。
• 参考スコア（独自算出の注目度）: 59.17685450892182
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This work addresses the challenge of comparing periocular images captured in different spectra, which is known to produce significant drops in performance in comparison to operating in the same spectrum. We propose the use of Conditional Generative Adversarial Networks, trained to con-vert periocular images between visible and near-infrared spectra, so that biometric verification is carried out in the same spectrum. The proposed setup allows the use of existing feature methods typically optimized to operate in a single spectrum. Recognition experiments are done using a number of off-the-shelf periocular comparators based both on hand-crafted features and CNN descriptors. Using the Hong Kong Polytechnic University Cross-Spectral Iris Images Database (PolyU) as benchmark dataset, our experiments show that cross-spectral performance is substantially improved if both images are converted to the same spectrum, in comparison to matching features extracted from images in different spectra. In addition to this, we fine-tune a CNN based on the ResNet50 architecture, obtaining a cross-spectral periocular performance of EER=1%, and GAR>99% @ FAR=1%, which is comparable to the state-of-the-art with the PolyU database.
• Abstract（参考訳）: この研究は、異なるスペクトルで撮影された被写体画像を比較するという課題に対処している。 本研究では,可視スペクトルと近赤外スペクトルの近赤外画像の同時変換を訓練し,同じスペクトルで生体認証を行う条件付き生成逆ネットワークの利用を提案する。 提案されたセットアップは、通常、単一のスペクトルで動作するために最適化された既存の機能メソッドの使用を可能にする。 認識実験は、手作り特徴とCNN記述子の両方に基づいて、市販の近視コンパレータを用いて行われる。 香港ポリテクニク大学クロススペクトルアイリス画像データベース(PolyU)をベンチマークデータセットとして,両画像が同一スペクトルに変換された場合,異なるスペクトルの画像から抽出した特徴に比較して,クロススペクトル性能が著しく向上することを示した。 さらに、ResNet50アーキテクチャに基づいてCNNを微調整し、EER=1%の分光近視性能と、PolyUデータベースの最先端に匹敵する99%の@FAR=1%を得る。

関連論文リスト

• Spectrum Translation for Refinement of Image Generation (STIG) Based on Contrastive Learning and Spectral Filter Profile [15.5188527312094]
  生成した画像の周波数領域における相違を緩和する枠組みを提案する。 これは、コントラスト学習に基づく画像生成(STIG)の洗練のためのスペクトル変換によって実現される。 我々は,STIGの有効性を実証するために,8つのフェイク画像データセットと様々な最先端モデルにまたがるフレームワークの評価を行った。
  論文  参考訳（メタデータ） (2024-03-08T06:39:24Z)
• Exploring Invariant Representation for Visible-Infrared Person Re-Identification [77.06940947765406]
  異なるスペクトルを横断する歩行者にアイデンティティを関連付けることを目的とした、クロススペクトルの人物再識別は、モダリティの相違の主な課題に直面している。 本稿では、ロバスト機能マイニングネットワーク(RFM)と呼ばれるエンドツーエンドのハイブリッド学習フレームワークにおいて、画像レベルと特徴レベルの両方の問題に対処する。 RegDBとSYSU-MM01という2つの標準的なクロススペクトル人物識別データセットの実験結果により,最先端の性能が示された。
  論文  参考訳（メタデータ） (2023-02-02T05:24:50Z)
• Compact multi-scale periocular recognition using SAFE features [63.48764893706088]
  特徴拡張(SAFE)記述子による対称性評価に基づく眼周囲認識のための新しい手法を提案する。 我々は、スクレラ中心を特徴抽出の単一キーポイントとして使用し、眼のこの点に集中するオブジェクトのようなアイデンティティ特性を強調します。
  論文  参考訳（メタデータ） (2022-10-18T11:46:38Z)
• Synthesis-Guided Feature Learning for Cross-Spectral Periocular Recognition [1.52292571922932]
  本研究は, 近赤外分光法における新しいアプローチを提案する。 主に、可視および近赤外画像から共有潜在表現部分空間へのマッピングを学ぶことに焦点を当てている。 画像再構成タスクにより、より差別的で、ドメイン不変な部分空間を学習できることを示す。
  論文  参考訳（メタデータ） (2021-11-16T19:22:20Z)
• 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)
• There and Back Again: Self-supervised Multispectral Correspondence Estimation [13.56924750612194]
  自己監督が可能な新しいサイクル一貫性指標を紹介します。 これにより、スペクトルに依存しない損失関数と組み合わせることで、同じネットワークを複数のスペクトルにわたってトレーニングできます。 本研究では,高密度RGB-FIR対応推定の課題に対するアプローチを示す。
  論文  参考訳（メタデータ） (2021-03-19T12:33:56Z)
• Cross-Spectral Iris Matching Using Conditional Coupled GAN [22.615156512223766]
  クロススペクトル虹彩認識は、個人のアイデンティティを認証するための有望な生体計測手法として出現している。 異なるスペクトル帯域で取得したアイリス画像のマッチングは、単一帯域近赤外(NIR)マッチングと比較して顕著な性能低下を示した。 クロススペクトル虹彩認識のための条件結合生成対向ネットワーク(CpGAN)アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-10-09T19:13:24Z)
• A Similarity Inference Metric for RGB-Infrared Cross-Modality Person Re-identification [66.49212581685127]
  IRとRGBの相違が大きいため、モダリティの人物再識別(re-ID)は難しい課題である。 既存のメソッドはこの課題に対処するため、典型的には、特徴分布やイメージスタイルをモダリティ間で整列させることで対処する。 本稿では,モダリティ内サンプルの類似性を利用して,モダリティ間の相違を回避する新しい類似度推定指標(SIM)を提案する。
  論文  参考訳（メタデータ） (2020-07-03T05:28:13Z)
• Spectrum Translation for Cross-Spectral Ocular Matching [59.17685450892182]
  バイオメトリックスでは、特に眼領域において、クロススペクトル検証が大きな問題となっている。 近赤外画像と視覚光画像のスペクトル変換におけるコンディショナル・ディバイサル・ネットワークの利用について検討した。
  論文  参考訳（メタデータ） (2020-02-14T19:30:31Z)

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。