論文の概要: Interpretable Deep Learning-Based Forensic Iris Segmentation and
Recognition
- arxiv url: http://arxiv.org/abs/2112.00849v1
- Date: Wed, 1 Dec 2021 21:59:16 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-03 15:36:47.620693
- Title: Interpretable Deep Learning-Based Forensic Iris Segmentation and
Recognition
- Title（参考訳）: 解釈可能な深層学習に基づく法医学的虹彩分節と認識
- Authors: Andrey Kuehlkamp, Aidan Boyd, Adam Czajka, Kevin Bowyer, Patrick
Flynn, Dennis Chute, Eric Benjamin
- Abstract要約: 死後虹彩分割と認識のためのエンドツーエンドの深層学習手法を提案する。
本手法は, 遺骸171頭から得られたデータを用いて訓練, 検証し, 遺骸229頭から採取した被検体分離データを用いて検討した。
- 参考スコア（独自算出の注目度）: 4.691925709249742
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Iris recognition of living individuals is a mature biometric modality that
has been adopted globally from governmental ID programs, border crossing, voter
registration and de-duplication, to unlocking mobile phones. On the other hand,
the possibility of recognizing deceased subjects with their iris patterns has
emerged recently. In this paper, we present an end-to-end deep learning-based
method for postmortem iris segmentation and recognition with a special
visualization technique intended to support forensic human examiners in their
efforts. The proposed postmortem iris segmentation approach outperforms the
state of the art and in addition to iris annulus, as in case of classical iris
segmentation methods - detects abnormal regions caused by eye decomposition
processes, such as furrows or irregular specular highlights present on the
drying and wrinkling cornea. The method was trained and validated with data
acquired from 171 cadavers, kept in mortuary conditions, and tested on
subject-disjoint data acquired from 259 deceased subjects. To our knowledge,
this is the largest corpus of data used in postmortem iris recognition research
to date. The source code of the proposed method are offered with the paper. The
test data will be available through the National Archive of Criminal Justice
Data (NACJD) archives.
- Abstract（参考訳）: 生物のアイリス認識は、政府IDプログラム、国境横断、投票者登録、非複製から携帯電話のアンロックまで、世界中で採用されている、成熟したバイオメトリック・モダリティである。
一方,近年,虹彩パターンで死亡者を認識できる可能性が浮上している。
本稿では,法医学的人間検査者を支援するための可視化技術を用いて,死後虹彩分節と認識のためのエンド・ツー・エンドのディープラーニング手法を提案する。
従来の虹彩分画法では, 乾燥やしわに現れる毛穴や不規則な斑点などの眼の分解過程によって生じる異常領域を検出するため, 従来の虹彩分画法と同様に, 虹彩分画法では, 術式や虹彩分画法よりも優れていた。
本手法は, 遺骸171頭から得られたデータを用いて訓練, 検証し, 遺骸229頭から採取した被検体分離データを用いて検討した。
我々の知る限り、これは現在まで死後虹彩認識研究で使われている最大のデータコーパスである。
本論文では,提案手法のソースコードについて述べる。
テストデータは、National Archive of Criminal Justice Data (NACJD)アーカイブを通じて提供される。
関連論文リスト
- Post-Mortem Human Iris Segmentation Analysis with Deep Learning [1.1470070927586018]
本稿では,被検者から収集した虹彩画像の分割を目的としたDeep Learning(DL)モデルを提示し,比較する。
提案手法は, 死後の試料に固有の変形を効果的に学習し, 同定する。
我々の知る限り, 本研究は, 死後虹彩分節に対するDLモデルの最も広範囲な評価を提供するものである。
論文 参考訳（メタデータ） (2024-08-06T21:00:02Z) - Forensic Iris Image Synthesis [5.596752018167751]
死後虹彩認識は、法医学的な設定で虹彩をベースとした人間の識別の新たな応用である。
本論文は, 運動後虹彩サンプルの最大データセットに基づいて訓練された, 条件付きスタイルGANに基づく虹彩合成モデルを提供する。
論文 参考訳（メタデータ） (2023-12-07T08:28:41Z) - You Can Run but not Hide: Improving Gait Recognition with Intrinsic
Occlusion Type Awareness [48.151855620080134]
蓄積された身体部分は、制御されていない屋外シーケンスの歩行認識に影響を及ぼす可能性がある。
現在のほとんどの方法は、歩行特徴を抽出しながら、完全な身体情報が得られると仮定している。
そこで,本研究では,内在性咬合認知を任意の最先端歩行認識手法にモデル化することのできる咬合認知歩行認識手法を提案する。
論文 参考訳（メタデータ） (2023-12-04T19:11:40Z) - Multi-task Explainable Skin Lesion Classification [54.76511683427566]
少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。
提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
論文 参考訳（メタデータ） (2023-10-11T05:49:47Z) - Periocular biometrics: databases, algorithms and directions [69.35569554213679]
近視バイオメトリックスは、制御されていない条件下での虹彩や顔のシステムの性能に関する懸念から、独立したモダリティとして確立されている。
本稿では, 近視バイオメトリックス研究における最先端技術について概説する。
論文 参考訳（メタデータ） (2023-07-26T11:14:36Z) - Deep Learning for Iris Recognition: A Review [7.884782855865438]
虹彩認識は他の生体認証法よりも信頼性が高く、外部要因の影響を受けにくいと考えられている。
従来の機械学習ベースの虹彩認識方法とは異なり、ディープラーニング技術は機能工学に頼らず、優れたパフォーマンスを誇っている。
本稿では,深層学習に基づく虹彩認識の展開を要約するために120の関連論文を収集した。
論文 参考訳（メタデータ） (2023-03-15T10:45:21Z) - Deep Learning for Iris Recognition: A Survey [66.55441036931555]
我々は、虹彩生体計測における2つの主要なサブタスク(セグメンテーションと認識)のために開発された深層学習手法を包括的に分析する。
第3に,特に死後虹彩認識において,法医学的応用のための深層学習手法を深く研究した。
第4に、虹彩認識のためのディープラーニング技術におけるオープンソースのリソースとツールについてレビューする。
論文 参考訳（メタデータ） (2022-10-12T01:58:09Z) - Human Saliency-Driven Patch-based Matching for Interpretable Post-mortem
Iris Recognition [5.7477871490034005]
そこで本研究では,ヒトの唾液度を学習し,完全に解釈可能な比較結果を与える,独自の死後虹彩認識手法を提案する。
提案手法は, 商業的(非人間解釈可能な) VeriEye 手法よりも優れた結果を示した。
論文 参考訳（メタデータ） (2022-08-03T19:40:44Z) - The Familiarity Hypothesis: Explaining the Behavior of Deep Open Set
Methods [86.39044549664189]
特徴ベクトルデータに対する異常検出アルゴリズムは異常を外れ値として識別するが、外れ値検出はディープラーニングではうまく機能しない。
本論文は, 新規性の有無ではなく, 慣れ親しんだ特徴の欠如を検知しているため, これらの手法が成功するというFamiliarity仮説を提案する。
本論文は,親しみやすさの検出が表現学習の必然的な結果であるかどうかを論じる。
論文 参考訳（メタデータ） (2022-03-04T18:32:58Z) - VerSe: A Vertebrae Labelling and Segmentation Benchmark for
Multi-detector CT Images [121.31355003451152]
大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。
本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
論文 参考訳（メタデータ） (2020-01-24T21:09:18Z) - Segmentation-Aware and Adaptive Iris Recognition [24.125681602124477]
アイリス画像の品質は、アイリスマッチング精度を劣化させることが知られている。
眼周囲情報は本質的にそのような虹彩画像に埋め込まれており、そのような非理想的なシナリオ下で虹彩認識を支援するために利用することができる。
本稿では,より精度の低いアイリス認識のためのセグメンテーション支援適応フレームワークを提案する。
論文 参考訳（メタデータ） (2019-12-31T04:31:37Z)
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。