論文の概要: Deep GAN-Based Cross-Spectral Cross-Resolution Iris Recognition

• arxiv url: http://arxiv.org/abs/2108.01569v1
• Date: Tue, 3 Aug 2021 15:30:04 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-04 13:59:29.186933
• Title: Deep GAN-Based Cross-Spectral Cross-Resolution Iris Recognition
• Title（参考訳）: ディープganを用いたクロススペクトルクロスレゾリューション虹彩認識
• Authors: Moktari Mostofa, Salman Mohamadi, Jeremy Dawson, and Nasser M. Nasrabadi
• Abstract要約: クロススペクトル虹彩認識は、個人のアイデンティティを確立するための有望な生体計測手法として出現している。 異なるスペクトル帯域で取得した虹彩画像(すなわち、可視(VIS)虹彩プローブと近赤外(NIR)虹彩画像のギャラリーとのマッチング)は、大きな性能劣化を示す。 我々は,クロススペクトル虹彩認識手法の精度を高めるために,深層畳み込み生成対向ネットワーク(DCGAN)アーキテクチャについて検討した。
• 参考スコア（独自算出の注目度）: 15.425678759101203
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In recent years, cross-spectral iris recognition has emerged as a promising biometric approach to establish the identity of individuals. However, matching iris images acquired at different spectral bands (i.e., matching a visible (VIS) iris probe to a gallery of near-infrared (NIR) iris images or vice versa) shows a significant performance degradation when compared to intraband NIR matching. Hence, in this paper, we have investigated a range of deep convolutional generative adversarial network (DCGAN) architectures to further improve the accuracy of cross-spectral iris recognition methods. Moreover, unlike the existing works in the literature, we introduce a resolution difference into the classical cross-spectral matching problem domain. We have developed two different techniques using the conditional generative adversarial network (cGAN) as a backbone architecture for cross-spectral iris matching. In the first approach, we simultaneously address the cross-resolution and cross-spectral matching problem by training a cGAN that jointly translates cross-resolution as well as cross-spectral tasks to the same resolution and within the same spectrum. In the second approach, we design a coupled generative adversarial network (cpGAN) architecture consisting of a pair of cGAN modules that project the VIS and NIR iris images into a low-dimensional embedding domain to ensure maximum pairwise similarity between the feature vectors from the two iris modalities of the same subject.
• Abstract（参考訳）: 近年、クロススペクトル虹彩認識は、個人のアイデンティティを確立するための有望なバイオメトリックアプローチとして現れている。 しかし、異なるスペクトル帯域で取得した虹彩画像(すなわち、可視(VIS)虹彩プローブと近赤外(NIR)虹彩画像のギャラリーとのマッチング)は、帯域内NIRマッチングと比較して顕著な性能劣化を示す。 そこで本研究では,クロススペクトルiris認識の精度をさらに高めるために,dcgan(deep convolutional generative adversarial network)アーキテクチャについて検討した。 さらに,従来の文献と異なり,古典的クロススペクトルマッチング問題領域に分解能差を導入する。 我々は,条件付き生成対向ネットワーク(cGAN)をバックボーンアーキテクチャとして用いた2つの異なる手法を開発した。 第1のアプローチでは、クロスレゾリューションとクロススペクトルマッチングの問題を、クロスレゾリューションとクロススペクトルタスクを同一の解像度と同一のスペクトルに共同で翻訳するcGANを訓練することで同時に解決する。 第2のアプローチでは、VISとNIRのアイリス像を低次元の埋め込み領域に投影する一対のcGANモジュールからなる合成逆数ネットワーク(cpGAN)アーキテクチャを設計し、同一対象の2つのアイリスモードから特徴ベクトル間の最大一対の類似性を確保する。

関連論文リスト

• Exploring Invariant Representation for Visible-Infrared Person Re-Identification [77.06940947765406]
  異なるスペクトルを横断する歩行者にアイデンティティを関連付けることを目的とした、クロススペクトルの人物再識別は、モダリティの相違の主な課題に直面している。 本稿では、ロバスト機能マイニングネットワーク(RFM)と呼ばれるエンドツーエンドのハイブリッド学習フレームワークにおいて、画像レベルと特徴レベルの両方の問題に対処する。 RegDBとSYSU-MM01という2つの標準的なクロススペクトル人物識別データセットの実験結果により,最先端の性能が示された。
  論文  参考訳（メタデータ） (2023-02-02T05:24:50Z)
• A Bidirectional Conversion Network for Cross-Spectral Face Recognition [1.9766522384767227]
  可視光画像と赤外線画像との劇的な違いにより、スペクトル間顔認識は困難である。 本稿では,異種顔画像間の双方向クロススペクトル変換(BCSC-GAN)の枠組みを提案する。 ネットワークは、スペクトル間認識問題をスペクトル内問題に還元し、双方向情報を融合することで性能を向上させる。
  論文  参考訳（メタデータ） (2022-05-03T16:20:10Z)
• Synthesis-Guided Feature Learning for Cross-Spectral Periocular Recognition [1.52292571922932]
  本研究は, 近赤外分光法における新しいアプローチを提案する。 主に、可視および近赤外画像から共有潜在表現部分空間へのマッピングを学ぶことに焦点を当てている。 画像再構成タスクにより、より差別的で、ドメイン不変な部分空間を学習できることを示す。
  論文  参考訳（メタデータ） (2021-11-16T19:22:20Z)
• Hierarchical Deep CNN Feature Set-Based Representation Learning for Robust Cross-Resolution Face Recognition [59.29808528182607]
  クロスリゾリューション顔認識(CRFR)は、インテリジェントな監視およびバイオメトリックフォレンジックにおいて重要である。 既存の浅層学習と深層学習に基づく手法は、HR-LR対を共同特徴空間にマッピングすることに焦点を当てている。 本研究では,多レベル深層畳み込みニューラルネットワーク(CNN)の機能を完全に活用し,堅牢なCRFRを実現することを目的とする。
  論文  参考訳（メタデータ） (2021-03-25T14:03:42Z)
• Robust Facial Landmark Detection by Cross-order Cross-semantic Deep Network [58.843211405385205]
  顔のランドマーク検出を堅牢にするためのセマンティックな特徴学習を促進するために,クロスオーダー・クロスセマンティック・ディープ・ネットワーク(CCDN)を提案する。 具体的には、より識別的な表現学習のためのクロスオーダーチャネル相関を導入するために、クロスオーダー2列マルチ励起(CTM)モジュールを提案する。 新しいクロス・オーダー・クロス・セマンティック・レギュレータ (COCS) は、顔のランドマーク検出のために異なるアクティベーションからクロス・オーダーのクロス・セマンティック特徴を学習するためにネットワークを駆動するように設計されている。
  論文  参考訳（メタデータ） (2020-11-16T08:19:26Z)
• Cross-Spectral Iris Matching Using Conditional Coupled GAN [22.615156512223766]
  クロススペクトル虹彩認識は、個人のアイデンティティを認証するための有望な生体計測手法として出現している。 異なるスペクトル帯域で取得したアイリス画像のマッチングは、単一帯域近赤外(NIR)マッチングと比較して顕著な性能低下を示した。 クロススペクトル虹彩認識のための条件結合生成対向ネットワーク(CpGAN)アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-10-09T19:13:24Z)
• A Similarity Inference Metric for RGB-Infrared Cross-Modality Person Re-identification [66.49212581685127]
  IRとRGBの相違が大きいため、モダリティの人物再識別(re-ID)は難しい課題である。 既存のメソッドはこの課題に対処するため、典型的には、特徴分布やイメージスタイルをモダリティ間で整列させることで対処する。 本稿では,モダリティ内サンプルの類似性を利用して,モダリティ間の相違を回避する新しい類似度推定指標(SIM)を提案する。
  論文  参考訳（メタデータ） (2020-07-03T05:28:13Z)
• Multi-Margin based Decorrelation Learning for Heterogeneous Face Recognition [90.26023388850771]
  本稿では,超球面空間におけるデコリレーション表現を抽出するディープニューラルネットワーク手法を提案する。 提案するフレームワークは,不均一表現ネットワークとデコリレーション表現学習の2つのコンポーネントに分けることができる。 2つの難解な異種顔データベースに対する実験結果から,本手法は検証タスクと認識タスクの両方において優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2020-05-25T07:01:12Z)
• Spectrum Translation for Cross-Spectral Ocular Matching [59.17685450892182]
  バイオメトリックスでは、特に眼領域において、クロススペクトル検証が大きな問題となっている。 近赤外画像と視覚光画像のスペクトル変換におけるコンディショナル・ディバイサル・ネットワークの利用について検討した。
  論文  参考訳（メタデータ） (2020-02-14T19:30:31Z)

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。