論文の概要: Generalized Iris Presentation Attack Detection Algorithm under Cross-Database Settings

• arxiv url: http://arxiv.org/abs/2010.13244v1
• Date: Sun, 25 Oct 2020 22:42:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-03 05:07:03.643709
• Title: Generalized Iris Presentation Attack Detection Algorithm under Cross-Database Settings
• Title（参考訳）: クロスデータベース設定下での汎用iris提示攻撃検出アルゴリズム
• Authors: Mehak Gupta, Vishal Singh, Akshay Agarwal, Mayank Vatsa, and Richa Singh
• Abstract要約: プレゼンテーションアタックは、バイオメトリックなモダリティの大部分に大きな課題をもたらす。 本稿では,汎用的な深層学習に基づくプレゼンテーション攻撃検出ネットワークであるMVANetを提案する。 これはハイブリッドアルゴリズムの単純さと成功、あるいは複数の検出ネットワークの融合にインスパイアされている。
• 参考スコア（独自算出の注目度）: 63.90855798947425
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Presentation attacks are posing major challenges to most of the biometric modalities. Iris recognition, which is considered as one of the most accurate biometric modality for person identification, has also been shown to be vulnerable to advanced presentation attacks such as 3D contact lenses and textured lens. While in the literature, several presentation attack detection (PAD) algorithms are presented; a significant limitation is the generalizability against an unseen database, unseen sensor, and different imaging environment. To address this challenge, we propose a generalized deep learning-based PAD network, MVANet, which utilizes multiple representation layers. It is inspired by the simplicity and success of hybrid algorithm or fusion of multiple detection networks. The computational complexity is an essential factor in training deep neural networks; therefore, to reduce the computational complexity while learning multiple feature representation layers, a fixed base model has been used. The performance of the proposed network is demonstrated on multiple databases such as IIITD-WVU MUIPA and IIITD-CLI databases under cross-database training-testing settings, to assess the generalizability of the proposed algorithm.
• Abstract（参考訳）: プレゼンテーション攻撃は、バイオメトリックなモダリティのほとんどに大きな課題をもたらしている。 人物識別の最も正確な生体認証の1つであるアイリス認識は、3dコンタクトレンズやテクスチャ付きレンズなどの高度なプレゼンテーション攻撃に対して脆弱であることが示されている。 文献では、いくつかのPADアルゴリズムが提示されているが、顕著な制限は、見えないデータベース、見えないセンサー、異なる撮像環境に対する一般化性である。 この課題に対処するために,複数の表現層を利用する一般化深層学習型PADネットワークMVANetを提案する。 これはハイブリッドアルゴリズムの単純さと成功、あるいは複数の検出ネットワークの融合にインスパイアされている。 したがって、複数の特徴表現層を学習しながら計算複雑性を低減するために、固定ベースモデルが用いられてきた。 提案手法の一般化性を評価するため,IIITD-WVU MUIPA や IIITD-CLI などのデータベース上で,クロスデータベース・トレーニング・テスト環境下での性能を示す。

関連論文リスト

• Towards Unified 3D Object Detection via Algorithm and Data Unification [70.27631528933482]
  我々は、最初の統一型マルチモーダル3Dオブジェクト検出ベンチマークMM-Omni3Dを構築し、上記のモノクロ検出器をマルチモーダルバージョンに拡張する。 設計した単分子・多モード検出器をそれぞれUniMODEとMM-UniMODEと命名した。
  論文  参考訳（メタデータ） (2024-02-28T18:59:31Z)
• COMICS: End-to-end Bi-grained Contrastive Learning for Multi-face Forgery Detection [56.7599217711363]
  顔偽造認識法は一度に1つの顔しか処理できない。 ほとんどの顔偽造認識法は一度に1つの顔しか処理できない。 マルチフェイスフォージェリ検出のためのエンドツーエンドフレームワークであるCOMICSを提案する。
  論文  参考訳（メタデータ） (2023-08-03T03:37:13Z)
• An Efficient Ensemble Explainable AI (XAI) Approach for Morphed Face Detection [1.2599533416395763]
  深層学習予測モデル(EfficientNet-Grad1)のより包括的な視覚的説明を提供するために,Ensemble XAIという新しい視覚的説明手法を提案する。 実験は、Face Research Lab London Set、Wide Multi-Channel Presentation Attack (WMCA)、Makeup induced Face Spoofing (MIFS)の3つの公開データセットで実施された。
  論文  参考訳（メタデータ） (2023-04-23T13:43:06Z)
• 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)
• Two-Stream Graph Convolutional Network for Intra-oral Scanner Image Segmentation [133.02190910009384]
  本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。 TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
  論文  参考訳（メタデータ） (2022-04-19T10:41:09Z)
• End-to-End High Accuracy License Plate Recognition Based on Depthwise Separable Convolution Networks [0.0]
  ライセンスプレート認識のための新しいセグメンテーションフリーフレームワークを提案し,NP-ALPRデータセットを導入した。 提案するネットワークモデルは,最新のディープラーニング手法と最先端のアイデアと,新しいネットワークアーキテクチャのメリットで構成されている。 提案手法の有効性を3つの異なるデータセットで評価し,99%以上,70fps以上の認識精度を示した。
  論文  参考訳（メタデータ） (2022-02-21T14:45:03Z)
• A Compact Deep Learning Model for Face Spoofing Detection [4.250231861415827]
  プレゼンテーションアタック検出(PAD)は研究コミュニティから大きな注目を集めている。 我々は、統一されたニューラルネットワークアーキテクチャにおいて、幅広い機能と深い機能の両方を融合することで、この問題に対処する。 この手順は、ROSE-Youtu、SiW、NUAA Imposterなどのさまざまなスプーフィングデータセットで行われます。
  論文  参考訳（メタデータ） (2021-01-12T21:20:09Z)
• MixNet for Generalized Face Presentation Attack Detection [63.35297510471997]
  我々は、プレゼンテーションアタックを検出するための、TextitMixNetと呼ばれるディープラーニングベースのネットワークを提案している。 提案アルゴリズムは最先端の畳み込みニューラルネットワークアーキテクチャを利用して,各攻撃カテゴリの特徴マッピングを学習する。
  論文  参考訳（メタデータ） (2020-10-25T23:01:13Z)
• 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)

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。