論文の概要: Finger Vein Recognition by Generating Code
- arxiv url: http://arxiv.org/abs/2101.08415v1
- Date: Thu, 21 Jan 2021 03:01:56 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-21 07:45:56.226833
- Title: Finger Vein Recognition by Generating Code
- Title(参考訳): コード生成による指静脈認識
- Authors: Zhongxia Zhang, Mingwen Wang
- Abstract要約: 本稿では,コード生成による新しい指静脈認識を提案する。
提案手法は,画像分割アルゴリズムを必要とせず,計算が簡単で,少ないデータしか持たない。
静脈コード間の類似度は、最小ハミング距離とコードワード長の比率で測定される。
- 参考スコア(独自算出の注目度): 2.512827436728378
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Finger vein recognition has drawn increasing attention as one of the most
popular and promising biometrics due to its high distinguishes ability,
security and non-invasive procedure. The main idea of traditional schemes is to
directly extract features from finger vein images or patterns and then compare
features to find the best match. However, the features extracted from images
contain much redundant data, while the features extracted from patterns are
greatly influenced by image segmentation methods. To tack these problems, this
paper proposes a new finger vein recognition by generating code. The proposed
method does not require an image segmentation algorithm, is simple to calculate
and has a small amount of data. Firstly, the finger vein images were divided
into blocks to calculate the mean value. Then the centrosymmetric coding is
performed by using the generated eigenmatrix. The obtained codewords are
concatenated as the feature codewords of the image. The similarity between vein
codes is measured by the ratio of minimum Hamming distance to codeword length.
Extensive experiments on two public finger vein databases verify the
effectiveness of the proposed method. The results indicate that our method
outperforms the state-of-theart methods and has competitive potential in
performing the matching task.
- Abstract(参考訳): フィンガー静脈認識は、高い識別能力、セキュリティ、非侵襲的な処置のために最も人気があり有望な生体認証の1つとして注目されている。
伝統的なスキームの主なアイデアは、指の静脈の画像やパターンから特徴を直接抽出し、特徴を比較して最適なマッチングを見つけることである。
しかし,画像から抽出した特徴には冗長なデータが多く,パターンから抽出した特徴は画像分割法に大きく影響されている。
これらの問題を解決するために,コード生成による新しい指静脈認識を提案する。
提案手法は,画像分割アルゴリズムを必要とせず,計算が容易で,少ないデータ量を有する。
まず、指静脈像をブロックに分割して平均値を算出した。
そして、生成した固有行列を用いて遠心対称符号化を行う。
得られたコードワードは、画像の特徴コードワードとして連結される。
静脈コード間の類似度は、最小ハミング距離とコードワード長の比率で測定される。
提案手法の有効性を検証するため,2つの公衆指静脈データベースを用いた広範囲な実験を行った。
その結果,本手法は最先端の手法よりも優れ,マッチングタスクの実行において競争力を有することがわかった。
関連論文リスト
- 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) - Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。
医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。
BraTSのT2モダリティに関する総合的な実験により、提案手法は最先端の手法よりも大幅に優れていることが示された。
論文 参考訳(メタデータ) (2022-03-29T08:41:17Z) - Min-Max Similarity: A Contrastive Learning Based Semi-Supervised
Learning Network for Surgical Tools Segmentation [0.0]
コントラスト学習に基づく半教師付きセグメンテーションネットワークを提案する。
従来の最先端技術とは対照的に、両視点トレーニングの対照的な学習形式を導入する。
提案手法は、最先端の半教師付きおよび完全教師付きセグメンテーションアルゴリズムを一貫して上回る。
論文 参考訳(メタデータ) (2022-03-29T01:40:26Z) - From Noise to Feature: Exploiting Intensity Distribution as a Novel Soft
Biometric Trait for Finger Vein Recognition [17.914339110401425]
ほとんどの指静脈特徴抽出アルゴリズムは, そのテクスチャ表現能力により良好な性能が得られる。
このようなノイズは, 指の静脈認識性能を向上させるために, ソフトバイオメトリックな特徴として有効である。
論文 参考訳(メタデータ) (2021-12-15T07:23:21Z) - Exploring Feature Representation Learning for Semi-supervised Medical
Image Segmentation [25.784173251359675]
セグメンテーション性能を高めるために,ラベル付きおよびラベルなし(擬似ラベル付き)画像を用いた特徴表現学習について検討する。
高品質な擬似ラベルを生成するためのセグメンテーション性能を向上させるために,アレータリックな不確実性認識手法,すなわちAUAを提案する。
本稿では,第1段階におけるラベル付き画像の正規化のための境界対応コントラスト学習法と,第2段階におけるラベル付き画像と擬似ラベル付き画像の両方を最適化するプロトタイプ対応コントラスト学習法を提案する。
論文 参考訳(メタデータ) (2021-11-22T05:06:12Z) - Contextual Similarity Aggregation with Self-attention for Visual
Re-ranking [96.55393026011811]
本稿では,自己注意を伴う文脈的類似性集約による視覚的再ランク付け手法を提案する。
提案手法の汎用性と有効性を示すため,4つのベンチマークデータセットの総合的な実験を行った。
論文 参考訳(メタデータ) (2021-10-26T06:20:31Z) - Summarize and Search: Learning Consensus-aware Dynamic Convolution for
Co-Saliency Detection [139.10628924049476]
人間は、まず、グループ全体のコンセンサス知識を要約し、その後、各画像内の対応するオブジェクトを検索することで、共相検出を行う。
以前の方法は、通常、最初のプロセスで堅牢性、スケーラビリティ、安定性を欠き、第2のプロセスでイメージ機能とコンセンサス機能を融合させる。
本稿では,新たなコンセンサスを考慮した動的畳み込みモデルを提案する。
論文 参考訳(メタデータ) (2021-10-01T12:06:42Z) - Semantic Segmentation with Generative Models: Semi-Supervised Learning
and Strong Out-of-Domain Generalization [112.68171734288237]
本論文では,画像とラベルの再生モデルを用いた識別画素レベルのタスクのための新しいフレームワークを提案する。
我々は,共同画像ラベルの分布を捕捉し,未ラベル画像の大規模な集合を用いて効率的に訓練する生成的対向ネットワークを学習する。
ドメイン内性能をいくつかのベースラインと比較し,ドメイン外一般化を極端に示す最初の例である。
論文 参考訳(メタデータ) (2021-04-12T21:41:25Z) - Generalizing Face Forgery Detection with High-frequency Features [63.33397573649408]
現在のCNNベースの検出器は、メソッド固有の色テクスチャに過度に適合するため、一般化に失敗する傾向にある。
フェースフォージェリ検出に高周波雑音を用いることを提案する。
1つは、複数のスケールで高周波ノイズを抽出するマルチスケールの高周波特徴抽出モジュールである。
2つ目は、低レベルRGB特徴抽出器を導く残差誘導空間注意モジュールで、新しい視点からフォージェリートレースにもっと集中する。
論文 参考訳(メタデータ) (2021-03-23T08:19:21Z) - Deep Multilabel CNN for Forensic Footwear Impression Descriptor
Identification [0.9786690381850356]
我々は、法医学的ユースケースにおいて、Emphdescriptorsとして知られる履物印象の特徴を分類するために、深層学習アプローチを採用する。
我々は、異なるドメインのデータに基づいて事前訓練されたニューラルネットワークに、サンプル化されたグレースケールインプレッションを供給するための技術を開発し、評価する。
論文 参考訳(メタデータ) (2021-02-09T19:39:28Z) - Combining Similarity and Adversarial Learning to Generate Visual
Explanation: Application to Medical Image Classification [0.0]
学習フレームワークを活用して視覚的説明法を作成する。
文献のメトリクスを用いることで,この手法は最先端のアプローチよりも優れています。
大規模な胸部X線データベース上でのアプローチを検証する。
論文 参考訳(メタデータ) (2020-12-14T08:34:12Z)
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。