論文の概要: Micro Stripes Analyses for Iris Presentation Attack Detection

• arxiv url: http://arxiv.org/abs/2010.14850v2
• Date: Tue, 3 Nov 2020 11:56:53 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-02 05:29:32.588649
• Title: Micro Stripes Analyses for Iris Presentation Attack Detection
• Title（参考訳）: iris提示攻撃検出のためのマイクロストライプ解析
• Authors: Meiling Fang, Naser Damer, Florian Kirchbuchner, Arjan Kuijper
• Abstract要約: 正規化されたアイリステクスチャの複数マイクロストリップを抽出し,アイリス提示攻撃を検出するフレームワークを提案する。 我々のソリューションは、テクスチャド(アタック)とソフト(ボンナファイド)のコンタクトレンズプレゼンテーションの混乱を最小限に抑える。
• 参考スコア（独自算出の注目度）: 15.15287401843062
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Iris recognition systems are vulnerable to the presentation attacks, such as textured contact lenses or printed images. In this paper, we propose a lightweight framework to detect iris presentation attacks by extracting multiple micro-stripes of expanded normalized iris textures. In this procedure, a standard iris segmentation is modified. For our presentation attack detection network to better model the classification problem, the segmented area is processed to provide lower dimensional input segments and a higher number of learning samples. Our proposed Micro Stripes Analyses (MSA) solution samples the segmented areas as individual stripes. Then, the majority vote makes the final classification decision of those micro-stripes. Experiments are demonstrated on five databases, where two databases (IIITD-WVU and Notre Dame) are from the LivDet-2017 Iris competition. An in-depth experimental evaluation of this framework reveals a superior performance compared with state-of-the-art algorithms. Moreover, our solution minimizes the confusion between textured (attack) and soft (bona fide) contact lens presentations.
• Abstract（参考訳）: iris認識システムは、テクスチャ付きコンタクトレンズや印刷画像など、プレゼンテーション攻撃に対して脆弱である。 本稿では,拡張正規化虹彩テクスチャの複数のマイクロストライプを抽出し,虹彩提示攻撃を検出するための軽量フレームワークを提案する。 この手順では、標準アイリスセグメンテーションが修正される。 分類問題をより良くモデル化するためのプレゼンテーションアタック検出ネットワークとして,セグメント領域を処理し,低次元の入力セグメントとより多くの学習サンプルを提供する。 提案するマイクロストライプ解析 (msa) は, セグメント領域を個別のストライプとしてサンプリングする。 そして、多数決はこれらのマイクロストライプの最終分類を決定する。 5つのデータベースで実験が行われ、2つのデータベース(IIITD-WVUとNotre Dame)がLivDet-2017 Irisコンペティションのものである。 このフレームワークの詳細な実験的評価は、最先端のアルゴリズムよりも優れた性能を示している。 さらに, テクスチャード(アタック)とソフト(ボナfide)コンタクトレンズの表示の混乱を最小限に抑える。

関連論文リスト

• Post-Mortem Human Iris Segmentation Analysis with Deep Learning [1.1470070927586018]
  本稿では,被検者から収集した虹彩画像の分割を目的としたDeep Learning(DL)モデルを提示し,比較する。 提案手法は, 死後の試料に固有の変形を効果的に学習し, 同定する。 我々の知る限り, 本研究は, 死後虹彩分節に対するDLモデルの最も広範囲な評価を提供するものである。
  論文  参考訳（メタデータ） (2024-08-06T21:00:02Z)
• Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
  弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。 I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
  論文  参考訳（メタデータ） (2023-08-31T05:05:53Z)
• Self-Supervised Correction Learning for Semi-Supervised Biomedical Image Segmentation [84.58210297703714]
  半教師付きバイオメディカルイメージセグメンテーションのための自己教師付き補正学習パラダイムを提案する。 共有エンコーダと2つの独立デコーダを含むデュアルタスクネットワークを設計する。 異なるタスクのための3つの医用画像分割データセットの実験により,本手法の優れた性能が示された。
  論文  参考訳（メタデータ） (2023-01-12T08:19:46Z)
• Which Pixel to Annotate: a Label-Efficient Nuclei Segmentation Framework [70.18084425770091]
  ディープニューラルネットワークは、H&E染色病理像の核インスタンスセグメンテーションに広く応用されている。 通常、類似したパターンと冗長なパターンを含む核画像のデータセットに全てのピクセルをラベル付けするのは非効率で不要である。 そこで本研究では,アノテートするイメージパッチを数個だけ選択し,選択したサンプルからトレーニングセットを増強し,半教師付きで核分割を実現する,新しいフル核分割フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-12-20T14:53:26Z)
• DFCANet: Dense Feature Calibration-Attention Guided Network for Cross Domain Iris Presentation Attack Detection [2.95102708174421]
  アイリス提示攻撃検出(IPAD)は個人識別の確保に不可欠である。 既存のIPADアルゴリズムは、目に見えないクロスドメインシナリオにうまく一般化しない。 本稿では,DFCANet: Dense Feature and Attention Guided Networkを提案する。
  論文  参考訳（メタデータ） (2021-11-01T13:04:23Z)
• Direct attacks using fake images in iris verification [59.68607707427014]
  BioSecベースラインデータベースの実際のアイリスから偽アイリス画像のデータベースが作成されている。 本システムは直接攻撃に対して脆弱であることを示し,対策の重要性を指摘する。
  論文  参考訳（メタデータ） (2021-10-30T05:01:06Z)
• Toward Accurate and Reliable Iris Segmentation Using Uncertainty Learning [96.72850130126294]
  高精度で信頼性の高いアイリスセグメンテーションのためのアイリスU変換器(アイリスUsformer)を提案する。 IrisUsformerの精度向上のために,位置感応操作と再パッケージング変圧器ブロックを採用することで精巧に設計する。 IrisUsformer は SOTA IrisParseNet の 35% MAC を用いて, セグメンテーション精度の向上を図っている。
  論文  参考訳（メタデータ） (2021-10-20T01:37:19Z)
• Generalized Iris Presentation Attack Detection Algorithm under Cross-Database Settings [63.90855798947425]
  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。
  論文  参考訳（メタデータ） (2020-10-25T22:42:27Z)
• EllSeg: An Ellipse Segmentation Framework for Robust Gaze Tracking [3.0448872422956432]
  エリパースフィッティングは、瞳孔や虹彩追跡に基づくビデオオクログラフィーにおいて必須の要素である。 楕円構造を直接分割する畳み込みニューラルネットワークのトレーニングを提案する。
  論文  参考訳（メタデータ） (2020-07-19T06:13:01Z)
• 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。