論文の概要: Semantic Segmentation of Periocular Near-Infra-Red Eye Images Under Alcohol Effects

• arxiv url: http://arxiv.org/abs/2106.15828v1
• Date: Wed, 30 Jun 2021 06:15:17 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-01 15:32:44.637433
• Title: Semantic Segmentation of Periocular Near-Infra-Red Eye Images Under Alcohol Effects
• Title（参考訳）: アルコール投与による近赤外眼のセマンティックセグメンテーション
• Authors: Juan Tapia, Enrique Lopez Droguett, Andres Valenzuela, Daniel Benalcazar, Leonardo Causa, Christoph Busch
• Abstract要約: 本稿では, アルコール摂取下での近赤外虹彩画像から眼球の局在を検知し, セグメンテーションし, 推定する新しい枠組みを提案する。 我々のフレームワークは、一枚の画像から両目を検出するために、スクラッチから訓練された物体検出器に基づいている。
• 参考スコア（独自算出の注目度）: 8.820032281861227
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This paper proposes a new framework to detect, segment, and estimate the localization of the eyes from a periocular Near-Infra-Red iris image under alcohol consumption. The purpose of the system is to measure the fitness for duty. Fitness systems allow us to determine whether a person is physically or psychologically able to perform their tasks. Our framework is based on an object detector trained from scratch to detect both eyes from a single image. Then, two efficient networks were used for semantic segmentation; a Criss-Cross attention network and DenseNet10, with only 122,514 and 210,732 parameters, respectively. These networks can find the pupil, iris, and sclera. In the end, the binary output eye mask is used for pupil and iris diameter estimation with high precision. Five state-of-the-art algorithms were used for this purpose. A mixed proposal reached the best results. A second contribution is establishing an alcohol behavior curve to detect the alcohol presence utilizing a stream of images captured from an iris instance. Also, a manually labeled database with more than 20k images was created. Our best method obtains a mean Intersection-over-Union of 94.54% with DenseNet10 with only 210,732 parameters and an error of only 1-pixel on average.
• Abstract（参考訳）: 本稿では, アルコール摂取下での近赤外虹彩画像から眼の局在を検出, セグメンテーション, 推定するための新しい枠組みを提案する。 システムの目的は、職務に対する適合度を測定することである。 フィットネスシステムは、人が身体的または心理的にタスクを遂行できるかどうかを判断できる。 我々のフレームワークは、一枚の画像から両目を検出するために、ゼロから訓練された物体検出器に基づいている。 セマンティクスセグメンテーションには,それぞれ122,514パラメータのcriss-cross attention networkと210,732パラメータの densenet10の2つの効率的なネットワークを用いた。 これらのネットワークは瞳孔、虹彩、強膜を見つけることができる。 最後に、瞳孔と虹彩径を高精度に推定するためにバイナリ出力アイマスクを用いる。 この目的のために5つの最先端アルゴリズムが使われた。 混合提案が最良の結果に達した。 第2のコントリビューションは、アイリスインスタンスから取得した画像のストリームを利用してアルコールの存在を検出するアルコール挙動曲線を確立することである。 また、20万枚以上の画像を手動でラベル付けしたデータベースも作成された。 提案手法では,210,732パラメータで平均94.54%の交点オーバー結合と平均1ピクセルの誤差が得られた。

関連論文リスト

• LAC-Net: Linear-Fusion Attention-Guided Convolutional Network for Accurate Robotic Grasping Under the Occlusion [79.22197702626542]
  本稿では, 乱れ場面におけるロボットグルーピングのためのアモーダルセグメンテーションを探求する枠組みを提案する。 線形融合注意誘導畳み込みネットワーク(LAC-Net)を提案する。 その結果,本手法が最先端の性能を達成できることが示唆された。
  論文  参考訳（メタデータ） (2024-08-06T14:50:48Z)
• Iris super-resolution using CNNs: is photo-realism important to iris recognition? [67.42500312968455]
  特に畳み込みニューラルネットワーク(CNN)を用いた単一画像超解像技術が出現している 本研究では, 虹彩認識のためのCNNを用いて, 単一画像の超解像を探索する。 彼らは、近赤外線虹彩画像の1.872のデータベースと携帯電話画像データベースのアプローチを検証する。
  論文  参考訳（メタデータ） (2022-10-24T11:19:18Z)
• Learning to Predict Fitness for Duty using Near Infrared Periocular Iris Images [8.79172220232372]
  本研究は, 中枢神経系に対する外部因子の影響を明らかにすることに焦点を当てた。 目的は、これが虹彩や瞳孔運動にどのように影響するかを分析することである。 本稿では,アルコール/ドラッグ/スリープ性の影響下で被験者から採取した虹彩NIR画像を分類するMobileNetV2を提案する。
  論文  参考訳（メタデータ） (2022-09-04T19:48:45Z)
• Verification system based on long-range iris and Graph Siamese Neural Networks [0.5480546613836199]
  本稿では、LRアイリス画像をグラフに変換して、グラフシームスニューラルネットワーク(GSNN)を用いて、2つのグラフが同一人物であるかどうかを予測する新しい手法を提案する。 結果は、このアプローチの適合性を実証し、コミュニティが生体認証システムにおけるグラフアプリケーションを探ることを奨励する。
  論文  参考訳（メタデータ） (2022-07-28T09:22:11Z)
• Fast Eye Detector Using Metric Learning for Iris on The Move [0.0]
  本稿では,虹彩認識のための完全畳み込み型シームズネットワークに基づく高速眼球検出手法を提案する。 我々はCosFaceを損失関数として用いて、浅いネットワークでも左目と右目とを高い精度で識別する。
  論文  参考訳（メタデータ） (2022-02-22T05:02:21Z)
• 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)
• MTCD: Cataract Detection via Near Infrared Eye Images [69.62768493464053]
  白内障は一般的な眼疾患であり、盲目や視力障害の主な原因の1つである。 近赤外画像を用いた白内障検出のための新しいアルゴリズムを提案する。 深層学習に基づくアイセグメンテーションとマルチタスクネットワーク分類ネットワークについて述べる。
  論文  参考訳（メタデータ） (2021-10-06T08:10:28Z)
• Longer Version for "Deep Context-Encoding Network for Retinal Image Captioning" [21.558908631487405]
  網膜画像の医療報告を自動的に生成する新しいコンテキスト駆動型符号化ネットワークを提案する。 提案するモデルは,主にマルチモーダル入力エンコーダと融合機能デコーダから構成される。
  論文  参考訳（メタデータ） (2021-05-30T13:37:03Z)
• 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)
• UFPR-Periocular: A Periocular Dataset Collected by Mobile Devices in Unconstrained Scenarios [4.229481360022994]
  1,122名の被験者のサンプルを含む新しい眼球周囲データセットを,196個の異なるモバイルデバイスで3セッションで取得した。 画像は、参加者にたった1つの指示で、制約のない環境下で撮影された。
  論文  参考訳（メタデータ） (2020-11-24T22:20:37Z)
• Rethinking of the Image Salient Object Detection: Object-level Semantic Saliency Re-ranking First, Pixel-wise Saliency Refinement Latter [62.26677215668959]
  本稿では,意味的に有意な領域を粗い位置で特定する,軽量で教師付きの深層ネットワークを提案する。 次に,これらセマンティック・サリエント領域の深層モデルを画素ワイド・サリエンシ改善として融合する。 提案手法は単純だが有効であり,本手法は主眼をオブジェクトレベルのセマンティック・リグレード問題とみなすための最初の試みである。
  論文  参考訳（メタデータ） (2020-08-10T07:12:43Z)

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。