論文の概要: Selfie Periocular Verification using an Efficient Super-Resolution
Approach
- arxiv url: http://arxiv.org/abs/2102.08449v1
- Date: Tue, 16 Feb 2021 21:01:12 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-18 14:32:01.232417
- Title: Selfie Periocular Verification using an Efficient Super-Resolution
Approach
- Title（参考訳）: 超解像能率を用いた自撮り眼の検証
- Authors: Juan Tapia, Marta Gomez-Barrero, Rodrigo Lara, Andres Valenzuela,
Christoph Busch
- Abstract要約: 超解像度は、キャプチャされた画像の品質を高めるために使われる必要がある。
最先端のスーパーリゾリューションメソッドのほとんどは、大規模なフィルタを備えたディープネットワークを使用します。
本研究では,深層ニューラルネットワークの効率とフィルタのサイズとのトレードオフを考慮した,効率的なesisr(single image super- resolution)アルゴリズムを提案する。
- 参考スコア（独自算出の注目度）: 11.352465961204775
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Selfie-based biometrics has great potential for a wide range of applications
from marketing to higher security environments like online banking. This is now
especially relevant since e.g. periocular verification is contactless, and
thereby safe to use in pandemics such as COVID-19. However, selfie-based
biometrics faces some challenges since there is limited control over the data
acquisition conditions. Therefore, super-resolution has to be used to increase
the quality of the captured images. Most of the state of the art
super-resolution methods use deep networks with large filters, thereby needing
to train and store a correspondingly large number of parameters, and making
their use difficult for mobile devices commonly used for selfie-based.
In order to achieve an efficient super-resolution method, we propose an
Efficient Single Image Super-Resolution (ESISR) algorithm, which takes into
account a trade-off between the efficiency of the deep neural network and the
size of its filters. To that end, the method implements a novel loss function
based on the Sharpness metric. This metric turns out to be more suitable for
increasing the quality of the eye images. Our method drastically reduces the
number of parameters when compared with Deep CNNs with Skip Connection and
Network (DCSCN): from 2,170,142 to 28,654 parameters when the image size is
increased by a factor of x3. Furthermore, the proposed method keeps the sharp
quality of the images, which is highly relevant for biometric recognition
purposes. The results on remote verification systems with raw images reached an
Equal Error Rate (EER) of 8.7% for FaceNet and 10.05% for VGGFace. Where
embedding vectors were used from periocular images the best results reached an
EER of 8.9% (x3) for FaceNet and 9.90% (x4) for VGGFace.
- Abstract（参考訳）: セルフィーベースのバイオメトリックスは、マーケティングからオンラインバンキングのような高度なセキュリティ環境まで、幅広いアプリケーションにとって大きな可能性を秘めている。
現在では特に関係がある。
感染確認は非接触で、covid-19のようなパンデミックでも安全に使用できる。
しかし、セルフィーベースの生体認証は、データ取得条件の制御が制限されているため、いくつかの課題に直面しています。
したがって、撮像された画像の品質を高めるために超解像を用いる必要がある。
最先端のスーパーリゾリューションメソッドのほとんどは、大規模なフィルタを備えたディープネットワークを使用しているため、対応する多数のパラメータをトレーニングして保存する必要があり、セルフィーベースの一般的なモバイルデバイスでの使用を困難にします。
本研究では,ニューラルネットワークの効率とフィルタのサイズとのトレードオフを考慮し,高効率な超解像法を実現するために,高効率なesisr(single image super- resolution)アルゴリズムを提案する。
そのために、この方法はシャープネスメトリックに基づく新しい損失関数を実装します。
この測定値は、視線画像の品質を高めるのにより適していることが判明した。
提案手法は,Deep CNNとSkip Connection and Network (DCSCN)を比較した際のパラメータ数を,画像サイズがx3倍になった場合,2,170,142から28,654に大幅に削減する。
さらに,提案手法は画像の鮮明な品質を保ち,生体認証の目的に非常に関係している。
生画像を用いた遠隔検証システムの結果,FaceNetが8.7%,VGGFaceが10.05%,EERが8.7%に達した。
眼周囲画像から埋め込みベクトルを用いた場合、最も良い結果はFaceNetのEERが8.9%(x3)、VGGFaceの9.90%(x4)に達した。
関連論文リスト
- Log-Likelihood Score Level Fusion for Improved Cross-Sensor Smartphone
Periocular Recognition [52.15994166413364]
我々は、複数のコンパレータを融合させて、異なるスマートフォンの画像を比較する際に、眼周囲の性能を改善する。
我々は線形ロジスティック回帰に基づく確率的融合フレームワークを使用し、融合したスコアはログライクな比率になる傾向にある。
我々のフレームワークは、同じセンサとクロスセンサーのスコア分布が整列され、共通の確率領域にマッピングされるため、異なるデバイスからの信号を処理するためのエレガントでシンプルなソリューションも提供します。
論文 参考訳（メタデータ） (2023-11-02T13:43:44Z) - SqueezerFaceNet: Reducing a Small Face Recognition CNN Even More Via
Filter Pruning [55.84746218227712]
我々は,100万パラメータ未満の軽量顔認識ネットワークであるSqueezerFaceNetを開発した。
性能を損なうことなく、さらに(最大40%)削減できることを示す。
論文 参考訳（メタデータ） (2023-07-20T08:38:50Z) - Octuplet Loss: Make Face Recognition Robust to Image Resolution [5.257115841810258]
本稿では,画像解像度に対するロバスト性を改善するために,人気三重項損失の新たな組み合わせを提案する。
我々は,高分解能画像とそれらの合成ダウンサンプリング変異体との関係をアイデンティティラベルと組み合わせて活用する。
本手法は, クロスレゾリューション (高分解能) 顔認証の性能を著しく向上させることができることを示す。
論文 参考訳（メタデータ） (2022-07-14T08:22:58Z) - 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) - On the Effect of Selfie Beautification Filters on Face Detection and
Recognition [53.561797148529664]
ソーシャルメディア画像フィルターは、例えば人工眼鏡や動物の鼻で、画像コントラスト、照明、あるいは顔の一部を妨げる。
U-NETセグメンテーションネットワークの修正版を用いて適用操作を再構築する手法を開発した。
認識の観点からは、顔を認識するために訓練されたResNet-34ネットワークを用いて抽出された特徴に対して、距離測定と訓練された機械学習アルゴリズムを用いる。
論文 参考訳（メタデータ） (2021-10-17T22:10:56Z) - Asymmetric CNN for image super-resolution [102.96131810686231]
深層畳み込みニューラルネットワーク(CNN)は、過去5年間で低レベルビジョンに広く適用されています。
画像超解像のための非対称ブロック(AB)、mem?ory拡張ブロック(MEB)、高周波数特徴強調ブロック(HFFEB)からなる非対称CNN(ACNet)を提案する。
我々のACNetは、ブラインドノイズの単一画像超解像(SISR)、ブラインドSISR、ブラインドSISRを効果的に処理できる。
論文 参考訳（メタデータ） (2021-03-25T07:10:46Z) - Enhancing sensor resolution improves CNN accuracy given the same number
of parameters or FLOPS [53.10151901863263]
パラメータ数やFLOPSが同じで、高い入力解像度で高い精度が得られるように、ネットワークを変更することは、ほぼ常に可能であることを示す。
MNIST、Fashion MNIST、CIFAR10データセットに関する予備的研究は、提案手法の効率性を実証している。
論文 参考訳（メタデータ） (2021-03-09T06:47:01Z) - Adaptive Pixel-wise Structured Sparse Network for Efficient CNNs [11.377052459168942]
本稿では,入力画像に応じて画素単位の間隔を生成できる新しい空間適応型フレームワークを提案する。
異なる精度/遅延条件のアプリケーションに対するオンライン調整を可能にするためにスパース制御方式を提案する。
論文 参考訳（メタデータ） (2020-10-21T15:47:13Z)
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。