Fugu-MT 論文翻訳(概要): One-shot Representational Learning for Joint Biometric and Device Authentication

論文の概要: One-shot Representational Learning for Joint Biometric and Device Authentication

arxiv url: http://arxiv.org/abs/2101.00524v1
Date: Sat, 2 Jan 2021 22:29:29 GMT
ステータス: 処理完了
システム内更新日: 2021-04-13 07:44:15.162557
Title: One-shot Representational Learning for Joint Biometric and Device Authentication
Title（参考訳）: 生体認証とデバイス認証のためのワンショット表現学習
Authors: Sudipta Banerjee and Arun Ross
Abstract要約: 本稿では,1つの生体画像から,個人を識別すると同時に,デバイス認識を行う手法を提案する。このような共同認識スキームは、セキュリティとプライバシーを高めるためのスマートフォンなどのデバイスで有用です。
参考スコア（独自算出の注目度）: 14.646962064352577
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this work, we propose a method to simultaneously perform (i) biometric recognition (i.e., identify the individual), and (ii) device recognition, (i.e., identify the device) from a single biometric image, say, a face image, using a one-shot schema. Such a joint recognition scheme can be useful in devices such as smartphones for enhancing security as well as privacy. We propose to automatically learn a joint representation that encapsulates both biometric-specific and sensor-specific features. We evaluate the proposed approach using iris, face and periocular images acquired using near-infrared iris sensors and smartphone cameras. Experiments conducted using 14,451 images from 15 sensors resulted in a rank-1 identification accuracy of upto 99.81% and a verification accuracy of upto 100% at a false match rate of 1%.
Abstract（参考訳）: 本稿では,1枚の生体画像,例えば顔画像から,(i)生体認証(すなわち個人を識別)と(ii)デバイス認識(すなわち、デバイスを識別)を同時に行う方法を提案する。このような共同認識方式は、スマートフォンなどのデバイスでセキュリティとプライバシの向上に有用である。生体特異的特徴とセンサ固有特徴の両方をカプセル化した共同表現を自動学習する。近赤外線センサとスマートフォンカメラを用いて得られた虹彩, 顔, および眼周囲画像を用いて, 提案手法の評価を行った。 15個のセンサから14,451枚の画像を用いて実験した結果、rank-1の識別精度は最大99.81%、検証精度は100%と誤一致率1%であった。

関連論文リスト

Multibiometrics Using a Single Face Image [0.11184789007828977]
本研究では, 顔, 虹彩, 眼周囲, 鼻, まぶたの5つの生体特性を組み合わせて, 単一顔画像から抽出できる新しい多生体計測法を提案する。提案手法は,単面画像のみを入力として使用するため,バイオメトリックスの利便性を犠牲にしない。
論文参考訳（メタデータ） (2024-09-30T06:55:01Z)
Unrecognizable Yet Identifiable: Image Distortion with Preserved Embeddings [22.338328674283062]
本稿では,ニューラルネットワークモデルによる顔画像の識別性を保ちながら,目に対して認識不能な顔画像を描画する,革新的な画像変換手法を提案する。提案手法は、様々な人工知能アプリケーションにおいて、視覚データを歪曲し、派生した特徴を近接に保つために使用することができる。同一の認識精度を維持しつつ、画像内容が70%以上変化する歪みを構築することができることを示す。
論文参考訳（メタデータ） (2024-01-26T18:20:53Z)
Whole-body Detection, Recognition and Identification at Altitude and Range [57.445372305202405]
多様なデータセットに基づいて評価したエンドツーエンドシステムを提案する。我々のアプローチでは、一般的な画像データセットで検出器を事前トレーニングし、BRIARの複雑なビデオや画像でそれを微調整する。屋内・屋外・航空シナリオにおける様々な範囲や角度の異なる条件下で徹底的な評価を行う。
論文参考訳（メタデータ） (2023-11-09T20:20:23Z)
FarSight: A Physics-Driven Whole-Body Biometric System at Large Distance and Altitude [67.55994773068191]
本稿ではFarSightの設計・開発・評価について述べる。 FarSightは、全身(顔、歩行、身体形状の融合)の生体認証のために設計された革新的なソフトウェアシステムである。我々は、新たに取得したIARPAバイオメトリック認識とAltitude and Rangeデータセットによる同定を用いて、FarSightの有効性を検証した。
論文参考訳（メタデータ） (2023-06-29T16:14:27Z)
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)
Super-Resolution for Selfie Biometrics: Introduction and Application to Face and Iris [67.74999528342273]
解像度の欠如は、画像ベースのバイオメトリックスの性能に悪影響を及ぼす。超分解能技術は、特定のバイオメトリック・モダリティの画像の特異性に適応する必要がある。本章では,顔画像と虹彩画像の超解像化における最近の進歩について概説する。
論文参考訳（メタデータ） (2022-04-12T10:28:31Z)
Gait-based Human Identification through Minimum Gait-phases and Sensors [0.45857634932098795]
本稿では,異なる歩行位相の時間的および記述的統計パラメータを特徴とする歩行識別手法を提案する。歩行サイクル全体の1つのフェーズを1つのセンサーで監視することで、95.5%以上の高い精度を達成することができる。また,歩行周期全体を骨盤と足のセンサで監視すると,100%の識別精度が得られた。
論文参考訳（メタデータ） (2021-10-15T02:09:45Z)
DeepTeeth: A Teeth-photo Based Human Authentication System for Mobile and Hand-held Devices [0.0]
歯写真は、モバイルおよびハンドホルドデバイス上での人間の認証のための新しいバイオメトリック・モダリティである。携帯端末に搭載されたカメラを用いて生体計測サンプルを取得し、歯面積を登録するための特定のマーカーを有する移動体アプリケーションの助けを借りて取得する。
論文参考訳（メタデータ） (2021-07-28T08:00:09Z)
Harnessing Unrecognizable Faces for Face Recognition [87.80037162457427]
本稿では,顔画像の認識可能性の尺度を提案し,主に認識可能なアイデンティティを用いて訓練されたディープニューラルネットワークによって実現された。 FAR=1e-5において,認識可能性を考慮した場合,単画像認識の誤り率を58%減少させることを示す。
論文参考訳（メタデータ） (2021-06-08T05:25:03Z)
Smartphone Camera De-identification while Preserving Biometric Utility [13.164846772893455]
Photo Response Non Uniformity (PRNU) は、特定の画像を取得するためにカメラやセンサーを使用したスマートフォンデバイスのアイデンティティーを推定するためにしばしば利用される。本研究では,スマートフォンカメラを用いて取得した顔画像を摂動するアルゴリズムを設計し,(a)スマートフォンカメラに関連するセンサ固有の詳細を抑える(センサ匿名化),(b)異なるデバイスのセンサパターンを組み込む(センサースプーフィング),(c)この摂動画像を用いた生体認証は影響を受けない(バイオメトリック・ユーティリティ)。 MICHE-IとOULU-NPUデータセットによる実験
論文参考訳（メタデータ） (2020-09-17T19:48:43Z)
Towards Face Encryption by Generating Adversarial Identity Masks [53.82211571716117]
敵の識別マスクを生成するためのターゲットID保護反復法(TIP-IM)を提案する。 TIP-IMは、様々な最先端の顔認識モデルに対して95%以上の保護成功率を提供する。
論文参考訳（メタデータ） (2020-03-15T12:45:10Z)

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。