論文の概要: Complex-valued Iris Recognition Network
- arxiv url: http://arxiv.org/abs/2011.11198v4
- Date: Wed, 16 Feb 2022 04:17:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-22 02:10:31.931798
- Title: Complex-valued Iris Recognition Network
- Title（参考訳）: 複素値アイリス認識ネットワーク
- Authors: Kien Nguyen, Clinton Fookes, Sridha Sridharan, Arun Ross
- Abstract要約: 我々は、虹彩認識のタスクのために、完全に複雑に評価されたニューラルネットワークを設計する。
ND-CrossSensor-2013, CASIA-Iris-Thousand, UBIRIS.v2の3つのベンチマークデータセットで実験を行った。
我々は、複雑な価値ネットワークを、標準的な実価値ネットワークと比較すると、虹彩テクスチャから根本的に異なる特徴を抽出する方法を伝えるために、可視化スキームを利用する。
- 参考スコア（独自算出の注目度）: 44.40424033688897
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: In this work, we design a fully complex-valued neural network for the task of
iris recognition. Unlike the problem of general object recognition, where
real-valued neural networks can be used to extract pertinent features, iris
recognition depends on the extraction of both phase and magnitude information
from the input iris texture in order to better represent its biometric content.
This necessitates the extraction and processing of phase information that
cannot be effectively handled by a real-valued neural network. In this regard,
we design a fully complex-valued neural network that can better capture the
multi-scale, multi-resolution, and multi-orientation phase and amplitude
features of the iris texture. We show a strong correspondence of the proposed
complex-valued iris recognition network with Gabor wavelets that are used to
generate the classical IrisCode; however, the proposed method enables a new
capability of automatic complex-valued feature learning that is tailored for
iris recognition. We conduct experiments on three benchmark datasets -
ND-CrossSensor-2013, CASIA-Iris-Thousand and UBIRIS.v2 - and show the benefit
of the proposed network for the task of iris recognition. We exploit
visualization schemes to convey how the complex-valued network, when compared
to standard real-valued networks, extracts fundamentally different features
from the iris texture.
- Abstract（参考訳）: 本研究では,虹彩認識のタスクのために,完全に複雑な値を持つニューラルネットワークを設計する。
実数値ニューラルネットワークを用いて関連する特徴を抽出する一般的な物体認識問題とは異なり、虹彩認識はその生体的内容をよりよく表現するために、入力虹彩テクスチャから位相情報と大きさ情報の抽出に依存する。
これにより、実数値ニューラルネットワークで効果的に処理できない相情報の抽出と処理が必要とされる。
そこで我々は,アイリステクスチャのマルチスケール,マルチレゾリューション,マルチオリエンテーションフェーズ,振幅特性をよりよく捉えることができる,完全複素数値ニューラルネットワークを設計する。
提案手法は,従来のIrisCodeを生成するために使用されるGaborウェーブレットと,複雑な値付きアイリス認識ネットワークの強い対応性を示すが,提案手法はアイリス認識に適した,複雑な値付き特徴学習の新たな機能を実現する。
我々は,3つのベンチマークデータセットであるND-CrossSensor-2013,CASIA-Iris-Thousand,UBIRIS.v2で実験を行い,アイリス認識のためのネットワークの利点を示す。
本研究では,複雑値ネットワークと標準実数値ネットワークを比較して,アイリステクスチャから根本的に異なる特徴を抽出するための可視化手法を提案する。
関連論文リスト
- EMWaveNet: Physically Explainable Neural Network Based on Microwave Propagation for SAR Target Recognition [4.251056028888424]
本研究では,複雑なSAR画像認識のための物理的に説明可能なフレームワークを提案する。
ネットワークアーキテクチャは完全にパラメータ化され、全ての学習可能なパラメータには明確な物理的意味があり、計算プロセスは完全に周波数領域で完了する。
提案手法は, 高い物理的論理, 高い物理的説明性, 堅牢性, および優れた処理能力を有することを示した。
論文 参考訳（メタデータ） (2024-10-13T07:04:49Z) - Efficient Gesture Recognition on Spiking Convolutional Networks Through
Sensor Fusion of Event-Based and Depth Data [1.474723404975345]
本研究は,ジェスチャー認識のためのイベントおよび深度データを処理するスパイキング畳み込みニューラルネットワークを提案する。
このネットワークは、オープンソースのニューロモルフィックコンピューティングフレームワークLAVAを用いて、組込みシステム上でのオフライントレーニングと評価をシミュレートする。
論文 参考訳（メタデータ） (2024-01-30T14:42:35Z) - Exploring Deep Learning Image Super-Resolution for Iris Recognition [50.43429968821899]
重畳自動エンコーダ(SAE)と畳み込みニューラルネットワーク(CNN)の2つの深層学習単一画像超解法手法を提案する。
精度評価と認識実験により,1.872個の近赤外虹彩画像のデータベースを用いて評価を行い,比較アルゴリズムよりも深層学習の方が優れていることを示す。
論文 参考訳（メタデータ） (2023-11-02T13:57:48Z) - Super-Resolution and Image Re-projection for Iris Recognition [67.42500312968455]
異なるディープラーニングアプローチを用いた畳み込みニューラルネットワーク(CNN)は、解像度の低い画像から現実的なテクスチャときめ細かい詳細を復元しようとする。
本研究は、虹彩認識環境における虹彩超解法(SR)に対するこれらのアプローチの実現可能性について検討する。
その結果,CNNと画像再投影は,認識システムの精度向上に有効であることが示唆された。
論文 参考訳（メタデータ） (2022-10-20T09:46:23Z) - Hierarchical Deep CNN Feature Set-Based Representation Learning for
Robust Cross-Resolution Face Recognition [59.29808528182607]
クロスリゾリューション顔認識(CRFR)は、インテリジェントな監視およびバイオメトリックフォレンジックにおいて重要である。
既存の浅層学習と深層学習に基づく手法は、HR-LR対を共同特徴空間にマッピングすることに焦点を当てている。
本研究では,多レベル深層畳み込みニューラルネットワーク(CNN)の機能を完全に活用し,堅牢なCRFRを実現することを目的とする。
論文 参考訳（メタデータ） (2021-03-25T14:03:42Z) - Characterization and recognition of handwritten digits using Julia [0.0]
我々は,MNISTデータセットの桁を認識可能なハイブリッドニューラルネットワークモデルを実装した。
提案したニューラルモデルネットワークは、画像から特徴を抽出し、層内の特徴を層ごとに認識することができる。
また、MNISTデータセットの自動エンコーディングシステムと変分自動エンコーディングシステムを認識することもできる。
論文 参考訳（メタデータ） (2021-02-24T00:30:41Z) - 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) - Ventral-Dorsal Neural Networks: Object Detection via Selective Attention [51.79577908317031]
我々はVDNet(Ventral-Dorsal Networks)と呼ばれる新しいフレームワークを提案する。
人間の視覚システムの構造にインスパイアされた我々は「Ventral Network」と「Dorsal Network」の統合を提案する。
実験の結果,提案手法は最先端の物体検出手法よりも優れていることがわかった。
論文 参考訳（メタデータ） (2020-05-15T23:57:36Z) - SIP-SegNet: A Deep Convolutional Encoder-Decoder Network for Joint
Semantic Segmentation and Extraction of Sclera, Iris and Pupil based on
Periocular Region Suppression [8.64118000141143]
マルチモーダル生体認証システムは 生体認証システムの限界に 対処する能力がある
このようなシステムには高い特性、永続性、性能があるが、他の生体特性に基づく技術は容易に妥協できる。
SIP-SegNetと呼ばれる新しい深層学習フレームワークが提案され、眼形質のセマンティックセマンティックセグメンテーションを行う。
論文 参考訳（メタデータ） (2020-02-15T15:20:44Z)
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。