論文の概要: AuthNet: A Deep Learning based Authentication Mechanism using Temporal
Facial Feature Movements
- arxiv url: http://arxiv.org/abs/2012.02515v2
- Date: Sat, 19 Dec 2020 08:52:14 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-23 07:04:08.630338
- Title: AuthNet: A Deep Learning based Authentication Mechanism using Temporal
Facial Feature Movements
- Title(参考訳): authnet: 時間的顔特徴運動を用いた深層学習に基づく認証機構
- Authors: Mohit Raghavendra, Pravan Omprakash, B R Mukesh, Sowmya Kamath
- Abstract要約: パスワードを発話しながら、顔認識と、その顔のユニークな動きの両方を利用する認証機構を提案する。
提案したモデルは,任意の言語でパスワードを設定することができるため,言語障壁によって阻害されない。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Biometric systems based on Machine learning and Deep learning are being
extensively used as authentication mechanisms in resource-constrained
environments like smartphones and other small computing devices. These
AI-powered facial recognition mechanisms have gained enormous popularity in
recent years due to their transparent, contact-less and non-invasive nature.
While they are effective to a large extent, there are ways to gain unauthorized
access using photographs, masks, glasses, etc. In this paper, we propose an
alternative authentication mechanism that uses both facial recognition and the
unique movements of that particular face while uttering a password, that is,
the temporal facial feature movements. The proposed model is not inhibited by
language barriers because a user can set a password in any language. When
evaluated on the standard MIRACL-VC1 dataset, the proposed model achieved an
accuracy of 98.1%, underscoring its effectiveness as an effective and robust
system. The proposed method is also data-efficient since the model gave good
results even when trained with only 10 positive video samples. The competence
of the training of the network is also demonstrated by benchmarking the
proposed system against various compounded Facial recognition and Lip reading
models.
- Abstract(参考訳): 機械学習とディープラーニングに基づくバイオメトリックシステムは、スマートフォンや他の小さなコンピューティングデバイスのようなリソースに制約のある環境で認証メカニズムとして広く使われている。
これらのAIを利用した顔認識メカニズムは、透明で接触のない非侵襲的な性質のため、近年大きな人気を集めている。
効果は大きいが、写真やマスク、メガネなどを使って、許可されていないアクセスを得る方法もある。
本稿では,顔認識と,その顔の特異な動作の両方を用いて,パスワードを発話する認証機構,すなわち時間的顔特徴動作を提案する。
提案モデルは、ユーザが任意の言語でパスワードを設定できるため、言語障壁によって阻害されない。
標準のMIRACL-VC1データセットで評価すると、提案モデルは98.1%の精度を達成し、有効で堅牢なシステムとしての有効性を実証した。
提案手法は, 正の映像サンプル10点をトレーニングしても良好な結果が得られたため, データ効率も高い。
また, ネットワークの学習能力は, 様々な複合顔認証とリップ読解モデルに対して, 提案方式のベンチマークによって実証される。
関連論文リスト
- CLIP Unreasonable Potential in Single-Shot Face Recognition [0.0]
顔認識は、顔のパターンや特徴を分析して個人を識別し、認証するために設計されたコンピュータビジョンの中核的なタスクである。
近年,OpenAIによって開発されたCLIP(Contrastive Language Image Pretraining)モデルが注目されている。
CLIPは自然言語処理と視覚タスクを結びつけることで、モジュール間の一般化を可能にする。
論文 参考訳(メタデータ) (2024-11-19T08:23:52Z) - Time-Aware Face Anti-Spoofing with Rotation Invariant Local Binary Patterns and Deep Learning [50.79277723970418]
模倣攻撃は 不正な識別と その後の攻撃者の認証につながる
顔認識と同様に、模倣攻撃も機械学習で検出できる。
本稿では,未使用の機能と時間認識の深層学習戦略を組み合わせることで,高い分類精度を実現する新しい手法を提案する。
論文 参考訳(メタデータ) (2024-08-27T07:26:10Z) - TetraLoss: Improving the Robustness of Face Recognition against Morphing
Attacks [7.092869001331781]
顔認識システムは、高セキュリティアプリケーションに広くデプロイされている。
フェースモーフィングのようなデジタル操作は、顔認識システムにセキュリティ上の脅威をもたらす。
本稿では,ディープラーニングに基づく顔認識システムを,顔形態攻撃に対してより堅牢なものにするための新しい手法を提案する。
論文 参考訳(メタデータ) (2024-01-21T21:04:05Z) - Deep Learning-based Spatio Temporal Facial Feature Visual Speech
Recognition [0.0]
パスワードをしゃべりながら、顔認識と個人特有の時間的顔の特徴的動作を併用する代替認証方式を提案する。
提案されたモデルは、業界標準のMIRACL-VC1データセットでテストしたときに96.1%の精度を達成した。
論文 参考訳(メタデータ) (2023-04-30T18:52:29Z) - Analysis of Recent Trends in Face Recognition Systems [0.0]
クラス間の類似性とクラス内変異により、顔認識システムは、それぞれ偽マッチングと偽非マッチエラーを生成する。
近年の研究では、抽出した特徴の堅牢性向上と、認識精度を高めるための前処理アルゴリズムに焦点が当てられている。
論文 参考訳(メタデータ) (2023-04-23T18:55:45Z) - Face Presentation Attack Detection [59.05779913403134]
顔認識技術は、チェックインやモバイル支払いといった日々の対話的アプリケーションで広く利用されている。
しかしながら、プレゼンテーションアタック(PA)に対する脆弱性は、超セキュアなアプリケーションシナリオにおける信頼性の高い使用を制限する。
論文 参考訳(メタデータ) (2022-12-07T14:51:17Z) - CIAO! A Contrastive Adaptation Mechanism for Non-Universal Facial
Expression Recognition [80.07590100872548]
本稿では、顔エンコーダの最後の層に異なるデータセットの特定の感情特性を適応させるメカニズムであるContrastive Inhibitory Adaptati On(CIAO)を提案する。
CIAOは、非常にユニークな感情表現を持つ6つの異なるデータセットに対して、表情認識性能が改善されている。
論文 参考訳(メタデータ) (2022-08-10T15:46:05Z) - Progressive Spatio-Temporal Bilinear Network with Monte Carlo Dropout
for Landmark-based Facial Expression Recognition with Uncertainty Estimation [93.73198973454944]
提案手法の性能は, 広く使用されている3つのデータセットで評価される。
ビデオベースの最先端の手法に匹敵するが、複雑さははるかに少ない。
論文 参考訳(メタデータ) (2021-06-08T13:40:30Z) - Facial Masks and Soft-Biometrics: Leveraging Face Recognition CNNs for
Age and Gender Prediction on Mobile Ocular Images [53.913598771836924]
スマートフォンで撮影した自撮り眼画像を使って年齢や性別を推定します。
ImageNet Challengeの文脈で提案された2つの既存の軽量CNNを適応させる。
一部のネットワークは顔認識のためにさらにトレーニングされており、非常に大規模なトレーニングデータベースが利用可能です。
論文 参考訳(メタデータ) (2021-03-31T01:48:29Z) - Face Recognition as a Method of Authentication in a Web-Based System [1.0323063834827415]
生体認証のセキュリティは、ユーザビリティのアドバンテージによってますます普及している。
本稿では,機械学習による顔認識を,認証手法としてWebシステムに統合する方法を報告する。
論文 参考訳(メタデータ) (2021-03-28T14:49:17Z) - Investigating the Impact of Inclusion in Face Recognition Training Data
on Individual Face Identification [93.5538147928669]
最新のオープンソースの顔認識システムであるArcFaceを、100万枚以上の散らばった画像を用いた大規模な顔識別実験で監査する。
モデルのトレーニングデータには79.71%、存在しない人には75.73%のランク1顔認証精度がある。
論文 参考訳(メタデータ) (2020-01-09T15:50:28Z)
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。