論文の概要: DFCANet: Dense Feature Calibration-Attention Guided Network for Cross
Domain Iris Presentation Attack Detection
- arxiv url: http://arxiv.org/abs/2111.00919v1
- Date: Mon, 1 Nov 2021 13:04:23 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-02 15:32:32.064906
- Title: DFCANet: Dense Feature Calibration-Attention Guided Network for Cross
Domain Iris Presentation Attack Detection
- Title(参考訳): DFCANet:クロスドメインアイリス提示検出のためのDense Feature Calibration-Attention Guided Network
- Authors: Gaurav Jaswal, Aman Verma, Sumantra Dutta Roy, Raghavendra Ramachandra
- Abstract要約: アイリス提示攻撃検出(IPAD)は個人識別の確保に不可欠である。
既存のIPADアルゴリズムは、目に見えないクロスドメインシナリオにうまく一般化しない。
本稿では,DFCANet: Dense Feature and Attention Guided Networkを提案する。
- 参考スコア(独自算出の注目度): 2.95102708174421
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: An iris presentation attack detection (IPAD) is essential for securing
personal identity is widely used iris recognition systems. However, the
existing IPAD algorithms do not generalize well to unseen and cross-domain
scenarios because of capture in unconstrained environments and high visual
correlation amongst bonafide and attack samples. These similarities in
intricate textural and morphological patterns of iris ocular images contribute
further to performance degradation. To alleviate these shortcomings, this paper
proposes DFCANet: Dense Feature Calibration and Attention Guided Network which
calibrates the locally spread iris patterns with the globally located ones.
Uplifting advantages from feature calibration convolution and residual
learning, DFCANet generates domain-specific iris feature representations. Since
some channels in the calibrated feature maps contain more prominent
information, we capitalize discriminative feature learning across the channels
through the channel attention mechanism. In order to intensify the challenge
for our proposed model, we make DFCANet operate over nonsegmented and
non-normalized ocular iris images. Extensive experimentation conducted over
challenging cross-domain and intra-domain scenarios highlights consistent
outperforming results. Compared to state-of-the-art methods, DFCANet achieves
significant gains in performance for the benchmark IIITD CLI, IIIT CSD and
NDCLD13 databases respectively. Further, a novel incremental learning-based
methodology has been introduced so as to overcome disentangled iris-data
characteristics and data scarcity. This paper also pursues the challenging
scenario that considers soft-lens under the attack category with evaluation
performed under various cross-domain protocols. The code will be made publicly
available.
- Abstract(参考訳): アイリス提示攻撃検知(IPAD)は、個人認証の確保に不可欠であり、アイリス認識システムとして広く利用されている。
しかし、既存のIPADアルゴリズムは、制約のない環境でのキャプチャと、ボナフィドとアタックサンプル間の高い視覚的相関のため、目に見えない領域とクロスドメインのシナリオをうまく一般化しない。
虹彩画像の複雑なテクスチャおよび形態パターンにおけるこれらの類似性は、さらなる性能劣化に寄与する。
そこで本稿では,これらの欠点を解消するために,局所的に分布する虹彩パターンをグローバルに配置したdfcanet: dense feature calibration and attention guided networkを提案する。
DFCANetは特徴校正畳み込みと残差学習の利点を高め、ドメイン固有の虹彩特徴表現を生成する。
キャリブレーションされた特徴マップのいくつかのチャネルは、より顕著な情報を含んでいるため、チャネルアテンション機構を通じてチャネルを横断する識別的特徴学習を行う。
提案モデルの課題を強化するため,DFCANetを非切除眼および非正常眼虹彩画像上で動作させる。
クロスドメインとドメイン内シナリオに対する広範囲な実験は、一貫性のある結果を示している。
DFCANetは最先端の手法と比較して,ベンチマークIIITD CLI, IIIT CSD, NDCLD13データベースのパフォーマンスが大幅に向上した。
さらに,不連続な虹彩データの特徴とデータ不足を克服するために,新しいインクリメンタル学習ベースの手法が導入された。
また,攻撃カテゴリのソフトレンズを様々なクロスドメインプロトコルで評価する難易度シナリオも追求する。
コードは公開される予定だ。
関連論文リスト
- Uncertainty-aware retinal layer segmentation in OCT through probabilistic signed distance functions [6.765624289092461]
オプティカルコヒーレンス・トモグラフィー(OCT)スキャンにおける不確実性認識網膜層セグメンテーションの新しいアプローチを提案する。
本手法は、レベルセットを介して網膜層形状を効果的にパラメータ化する符号付き距離関数(SDF)を予測することにより、セグメンテーションを洗練する。
これにより、あいまいな入力、撮像ノイズ、信頼できないセグメンテーションが存在する場合でも、網膜層の堅牢な表現が保証される。
論文 参考訳(メタデータ) (2024-12-06T10:44:11Z) - S-Adapter: Generalizing Vision Transformer for Face Anti-Spoofing with Statistical Tokens [45.06704981913823]
Face Anti-Spoofing (FAS) は、スプーフされた顔を表示することによって、顔認識システムに侵入しようとする悪意のある試みを検出することを目的としている。
本稿では,局所的なトークンヒストグラムから局所的な識別や統計情報を収集する新しい統計適応器(S-Adapter)を提案する。
統計的トークンの一般化をさらに改善するために,新しいトークンスタイル正規化(TSR)を提案する。
提案したS-AdapterとTSRは、ゼロショットと少数ショットのクロスドメインテストの両方において、いくつかのベンチマークテストにおいて、最先端の手法よりも優れた、大きなメリットをもたらすことを示した。
論文 参考訳(メタデータ) (2023-09-07T22:36:22Z) - Adaptive Face Recognition Using Adversarial Information Network [57.29464116557734]
顔認識モデルは、トレーニングデータがテストデータと異なる場合、しばしば退化する。
本稿では,新たな敵情報ネットワーク(AIN)を提案する。
論文 参考訳(メタデータ) (2023-05-23T02:14:11Z) - A Global and Patch-wise Contrastive Loss for Accurate Automated Exudate
Detection [12.669734891001667]
糖尿病網膜症(DR:diabetic retinopathy)は、視覚障害の主要な原因である。
硬口蓋の早期発見は、糖尿病の治療と視力喪失の予防に役立つDRの同定において重要な役割を担っている。
ハード・エクスデュート・セグメンテーションを最適化する新しい教師付きコントラスト学習フレームワークを提案する。
論文 参考訳(メタデータ) (2023-02-22T17:39:00Z) - Toward Accurate and Reliable Iris Segmentation Using Uncertainty
Learning [96.72850130126294]
高精度で信頼性の高いアイリスセグメンテーションのためのアイリスU変換器(アイリスUsformer)を提案する。
IrisUsformerの精度向上のために,位置感応操作と再パッケージング変圧器ブロックを採用することで精巧に設計する。
IrisUsformer は SOTA IrisParseNet の 35% MAC を用いて, セグメンテーション精度の向上を図っている。
論文 参考訳(メタデータ) (2021-10-20T01:37:19Z) - Learnable Multi-level Frequency Decomposition and Hierarchical Attention
Mechanism for Generalized Face Presentation Attack Detection [7.324459578044212]
顔提示攻撃検知(PAD)は多くの注目を集めており、顔認識システムを保護する上で重要な役割を果たしている。
両ストリーム畳み込みニューラルネットワーク(CNN)フレームワークを提案する。
ステップワイドアブレーション研究において提案したPAD法の設計を実証した。
論文 参考訳(メタデータ) (2021-09-16T13:06:43Z) - 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) - Adversarial Feature Augmentation and Normalization for Visual
Recognition [109.6834687220478]
最近のコンピュータビジョンの進歩は、分類モデルの一般化能力を改善するために、逆データ拡張を利用する。
本稿では,中間的特徴埋め込みにおける敵対的拡張を提唱する効率的かつ効率的な代替手法を提案する。
代表的なバックボーンネットワークを用いて,多様な視覚認識タスクにまたがる提案手法を検証する。
論文 参考訳(メタデータ) (2021-03-22T20:36:34Z) - Generalized Iris Presentation Attack Detection Algorithm under
Cross-Database Settings [63.90855798947425]
プレゼンテーションアタックは、バイオメトリックなモダリティの大部分に大きな課題をもたらす。
本稿では,汎用的な深層学習に基づくプレゼンテーション攻撃検出ネットワークであるMVANetを提案する。
これはハイブリッドアルゴリズムの単純さと成功、あるいは複数の検出ネットワークの融合にインスパイアされている。
論文 参考訳(メタデータ) (2020-10-25T22:42:27Z) - Weakly-supervised Learning For Catheter Segmentation in 3D Frustum
Ultrasound [74.22397862400177]
超音波を用いた新しいカテーテルセグメンテーション法を提案する。
提案手法は,1ボリュームあたり0.25秒の効率で最先端の性能を実現した。
論文 参考訳(メタデータ) (2020-10-19T13:56:22Z) - SIP-SegNet: A Deep Convolutional Encoder-Decoder Network for Joint
Semantic Segmentation and Extraction of Sclera, Iris and Pupil based on
Periocular Region Suppression [8.64118000141143]
マルチモーダル生体認証システムは 生体認証システムの限界に 対処する能力がある
このようなシステムには高い特性、永続性、性能があるが、他の生体特性に基づく技術は容易に妥協できる。
SIP-SegNetと呼ばれる新しい深層学習フレームワークが提案され、眼形質のセマンティックセマンティックセグメンテーションを行う。
論文 参考訳(メタデータ) (2020-02-15T15:20:44Z)
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。