論文の概要: DeepTeeth: A Teeth-photo Based Human Authentication System for Mobile and Hand-held Devices

• arxiv url: http://arxiv.org/abs/2107.13217v1
• Date: Wed, 28 Jul 2021 08:00:09 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-29 20:56:52.155437
• Title: DeepTeeth: A Teeth-photo Based Human Authentication System for Mobile and Hand-held Devices
• Title（参考訳）: DeepTeeth:モバイルおよびハンドヘルドデバイスのための歯写真に基づく人間認証システム
• Authors: Geetika Arora, Rohit K Bharadwaj, Kamlesh Tiwari
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper proposes teeth-photo, a new biometric modality for human authentication on mobile and hand held devices. Biometrics samples are acquired using the camera mounted on mobile device with the help of a mobile application having specific markers to register the teeth area. Region of interest (RoI) is then extracted using the markers and the obtained sample is enhanced using contrast limited adaptive histogram equalization (CLAHE) for better visual clarity. We propose a deep learning architecture and novel regularization scheme to obtain highly discriminative embedding for small size RoI. Proposed custom loss function was able to achieve perfect classification for the tiny RoI of $75\times 75$ size. The model is end-to-end and few-shot and therefore is very efficient in terms of time and energy requirements. The system can be used in many ways including device unlocking and secure authentication. To the best of our understanding, this is the first work on teeth-photo based authentication for mobile device. Experiments have been conducted on an in-house teeth-photo database collected using our application. The database is made publicly available. Results have shown that the proposed system has perfect accuracy.
• Abstract（参考訳）: 本稿では,モバイルおよびハンドホルドデバイス上での人体認証のための新しいバイオメトリック・モダリティである歯写真を提案する。 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る。 次に、マーカーを用いて興味領域(RoI)を抽出し、得られたサンプルをコントラスト限定適応ヒストグラム等化(CLAHE)を用いて、視覚的明瞭度を向上させる。 小型のRoIに高度に識別可能な埋め込みを実現するためのディープラーニングアーキテクチャと新しい正規化手法を提案する。 提案されたカスタム損失関数は、75\times 75$サイズの小さなroiの完全な分類を達成することができた。 このモデルはエンドツーエンドかつ少数であり、時間とエネルギー要件の観点からは非常に効率的である。 このシステムは、デバイスアンロックやセキュアな認証など、さまざまな方法で使用することができる。 われわれが理解している限りでは、これはモバイル端末の歯写真ベースの認証に関する最初の作業だ。 本研究を応用して収集した歯写真データベースを用いて実験を行った。 データベースは公開されています。 その結果,提案手法の精度は完璧であった。

関連論文リスト

• DiffKillR: Killing and Recreating Diffeomorphisms for Cell Annotation in Dense Microscopy Images [105.46086313858062]
  DiffKillRは、アーチェタイプマッチングと画像登録タスクの組み合わせとして、セルアノテーションを再構成する新しいフレームワークである。 我々はDiffKillRの理論的性質について論じ、それを3つの顕微鏡タスクで検証し、既存の教師付き・半教師なし・教師なしの手法に対する利点を実証する。
  論文  参考訳（メタデータ） (2024-10-04T00:38:29Z)
• 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)
• Efficient aggregation of face embeddings for decentralized face recognition deployments (extended version) [0.7349727826230862]
  バイオメトリックスは、最もプライバシーに敏感なデータの一つだ。プライバシーを重視するユビキタス認証システムは、分散化されたアプローチを優先している。 本稿では,異なるデータセットの広範囲な解析に基づいて,顔認識に使用される埋め込みを効率的に集約する方法を提案する。
  論文  参考訳（メタデータ） (2022-12-20T09:28:25Z)
• Finger-NestNet: Interpretable Fingerphoto Verification on Smartphone using Deep Nested Residual Network [6.668147787950981]
  本研究は、ネストした残差ブロックFinger-NestNetを用いた指紋認証の新しいアルゴリズムを提案する。 提案したFinger-NestNetアーキテクチャは、3つの連続した畳み込みブロックと一連のネストされた残差ブロックで設計され、信頼性の高い指紋認証を実現する。
  論文  参考訳（メタデータ） (2022-12-09T17:15:35Z)
• One-Shot Object Affordance Detection in the Wild [76.46484684007706]
  Affordance Detectionは、画像内のオブジェクトの潜在的なアクション可能性を特定することを指す。 我々は、人間の行動目的を推定し、それを転送して、すべての候補画像から共通価格を検出するワンショットアフォーダンス検出ネットワーク(OSAD-Net)を考案する。 複雑なシーンと豊富なアノテーションによって、当社のPADv2データセットは、アベイランス検出メソッドをベンチマークするためのテストベッドとして使用することができます。
  論文  参考訳（メタデータ） (2021-08-08T14:53:10Z)
• 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)
• Aurora Guard: Reliable Face Anti-Spoofing via Mobile Lighting System [103.5604680001633]
  紙写真やデジタルビデオの高解像度レンダリングリプレイに対する反偽造は、未解決の問題だ。 オーロラガード(Aurora Guard, AG)と呼ばれる, シンプルだが効果的な顔保護システムを提案する。
  論文  参考訳（メタデータ） (2021-02-01T09:17:18Z)
• One-shot Representational Learning for Joint Biometric and Device Authentication [14.646962064352577]
  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。
  論文  参考訳（メタデータ） (2021-01-02T22:29:29Z)
• SqueezeFacePoseNet: Lightweight Face Verification Across Different Poses for Mobile Platforms [55.84746218227712]
  顔認識技術は、モバイルデバイスでカメラが利用できることを考えると、信頼性が高く堅牢なユーザー認証を提供することができる。 ディープ畳み込みニューラルネットワークは、多くの正確な顔認証アーキテクチャをもたらすが、その典型的なサイズ(数百メガバイト)は、ダウンロード可能なモバイルアプリケーションに組み込むことができない。 我々は,より大規模なモデルと比較して,十分な精度で動作可能な数メガバイトの軽量な顔認識ネットワークを開発した。
  論文  参考訳（メタデータ） (2020-07-16T19:02:38Z)
• End-to-end User Recognition using Touchscreen Biometrics [11.394909061094463]
  目標は、モバイルデバイスの生データを使ってユーザーを透過的に識別できるエンドツーエンドシステムを作ることだった。 提案するシステムでは,タッチスクリーンからのデータはディープニューラルネットワークの入力に直接反映され,ユーザの同一性を決定することができる。
  論文  参考訳（メタデータ） (2020-06-09T16:38:09Z)

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。