Fugu-MT 論文翻訳(概要): EyePAD++: A Distillation-based approach for joint Eye Authentication and Presentation Attack Detection using Periocular Images

論文の概要: EyePAD++: A Distillation-based approach for joint Eye Authentication and Presentation Attack Detection using Periocular Images

arxiv url: http://arxiv.org/abs/2112.11610v1
Date: Wed, 22 Dec 2021 01:22:08 GMT
ステータス: 処理完了
システム内更新日: 2021-12-23 22:28:33.076336
Title: EyePAD++: A Distillation-based approach for joint Eye Authentication and Presentation Attack Detection using Periocular Images
Title（参考訳）: EyePAD++: 近視画像を用いた共同眼球認証と提示検出のための蒸留法
Authors: Prithviraj Dhar, Amit Kumar, Kirsten Kaplan, Khushi Gupta, Rakesh Ranjan, Rama Chellappa
Abstract要約: EyePAD (EyePAD) は、EAとPADのための単一のネットワークを訓練する蒸留方式である。 EyePAD++はEAとPADデータの両方でMTLネットワークをトレーニングし、EyePADネットワークの汎用性を蒸留する。提案手法はPADにおいてSOTAよりも優れており,眼目検証において,前処理なしでSOTAに近い性能が得られる。
参考スコア（独自算出の注目度）: 51.68060838051637
License: http://creativecommons.org/licenses/by/4.0/
Abstract: A practical eye authentication (EA) system targeted for edge devices needs to perform authentication and be robust to presentation attacks, all while remaining compute and latency efficient. However, existing eye-based frameworks a) perform authentication and Presentation Attack Detection (PAD) independently and b) involve significant pre-processing steps to extract the iris region. Here, we introduce a joint framework for EA and PAD using periocular images. While a deep Multitask Learning (MTL) network can perform both the tasks, MTL suffers from the forgetting effect since the training datasets for EA and PAD are disjoint. To overcome this, we propose Eye Authentication with PAD (EyePAD), a distillation-based method that trains a single network for EA and PAD while reducing the effect of forgetting. To further improve the EA performance, we introduce a novel approach called EyePAD++ that includes training an MTL network on both EA and PAD data, while distilling the `versatility' of the EyePAD network through an additional distillation step. Our proposed methods outperform the SOTA in PAD and obtain near-SOTA performance in eye-to-eye verification, without any pre-processing. We also demonstrate the efficacy of EyePAD and EyePAD++ in user-to-user verification with PAD across network backbones and image quality.
Abstract（参考訳）: エッジデバイスをターゲットにした実用的なアイ認証(EA)システムは、認証を実行し、計算と遅延効率を保ちながら、プレゼンテーションアタックに対して堅牢である必要がある。しかし、既存のアイベースのフレームワーク a)独立して認証・提示攻撃検出(PAD)を行う b) アイリス領域を抽出するための重要な前処理ステップを含む。本稿では,眼周囲画像を用いたEAとPADのジョイントフレームワークを提案する。深層マルチタスク学習(MTL)ネットワークは両方のタスクを実行できるが、EAとPADのトレーニングデータセットが切り離されているため、MTLは忘れる効果に悩まされる。そこで本研究では,EA と PAD の単一ネットワークを学習する蒸留方式である PAD (EyePAD) によるアイ認証を提案する。 EAの性能をさらに向上させるため、EyePAD++と呼ばれる新しい手法を導入し、EAデータとPADデータの両方でMTLネットワークをトレーニングし、EyePADネットワークの「可逆性」を蒸留工程を通じて蒸留する。提案手法はPADにおいてSOTAよりも優れており,眼目検証において,前処理なしでSOTAに近い性能が得られる。また,ネットワークバックボーン間のPADによるユーザ間検証におけるEyePADとEyePAD++の有効性を示す。

関連論文リスト

Learning Content-Aware Multi-Modal Joint Input Pruning via Bird's-Eye-View Representation [11.074747442071729]
本稿では,コンテンツ対応型マルチモーダルジョイントプルーニング手法を提案する。我々は,NuScenesデータセットの広範な実験を通じて,アプローチの有効性を検証する。
論文参考訳（メタデータ） (2024-10-09T03:30:00Z)
Adaptive Modality Balanced Online Knowledge Distillation for Brain-Eye-Computer based Dim Object Detection [7.135000735428783]
本稿では,脳-眼-コンピュータによる空中画像検出システムを構築した。脳波画像データを用いた適応型モダリティバランスオンライン知識蒸留法(AMBOKD)を提案する。実世界のシナリオにおける公開データセットとシステム検証実験により,本手法の有効性と優位性を実証した。
論文参考訳（メタデータ） (2024-07-02T02:30:23Z)
Deep Domain Adaptation: A Sim2Real Neural Approach for Improving Eye-Tracking Systems [80.62854148838359]
眼球画像のセグメンテーションは、最終視線推定に大きな影響を及ぼす眼球追跡の重要なステップである。対象視線画像と合成訓練データとの重なり合いを測定するために,次元還元法を用いている。提案手法は,シミュレーションと実世界のデータサンプルの相違に対処する際の頑健で,性能が向上する。
論文参考訳（メタデータ） (2024-03-23T22:32:06Z)
Learning to Mask and Permute Visual Tokens for Vision Transformer Pre-Training [59.923672191632065]
我々はMasked and Permuted Vision Transformer(MaPeT)という自己教師型事前学習手法を提案する。 MaPeTは、自動回帰および置換予測を使用して、パッチ内依存関係をキャプチャする。以上の結果から,MaPeTはImageNet上での競合性能を実証した。
論文参考訳（メタデータ） (2023-06-12T18:12:19Z)
An Efficient Ensemble Explainable AI (XAI) Approach for Morphed Face Detection [1.2599533416395763]
深層学習予測モデル(EfficientNet-Grad1)のより包括的な視覚的説明を提供するために,Ensemble XAIという新しい視覚的説明手法を提案する。実験は、Face Research Lab London Set、Wide Multi-Channel Presentation Attack (WMCA)、Makeup induced Face Spoofing (MIFS)の3つの公開データセットで実施された。
論文参考訳（メタデータ） (2023-04-23T13:43:06Z)
Internal Structure Attention Network for Fingerprint Presentation Attack Detection from Optical Coherence Tomography [7.241363249424351]
本稿では,ネットワークトレーニングの指導に事前知識を適用した,教師付き学習に基づく新しいPAD手法ISAPADを提案する。提案したデュアルブランチアーキテクチャは,OCT画像からグローバルな特徴を学習するだけでなく,階層構造にも注目する。単純で効果的なISAMにより、提案ネットワークは、ノイズの多いOCTボリュームデータから、ボナフィドに属する層状セグメンテーション特徴を得ることができる。
論文参考訳（メタデータ） (2023-03-20T11:36:09Z)
Threatening Patch Attacks on Object Detection in Optical Remote Sensing Images [55.09446477517365]
自然画像における物体検出における高度なパッチアタック(PA)は、ディープニューラルネットワークに基づく手法における大きな安全性の脆弱性を指摘した。我々は,TPAと呼ばれる視覚的品質の低下を伴わない,より危険度の高いPAを提案する。我々の知る限りでは、これがO-RSIにおけるオブジェクト検出におけるPAの研究の最初の試みであり、この研究が読者にこのトピックの研究に興味を持たせることを願っている。
論文参考訳（メタデータ） (2023-02-13T02:35:49Z)
Anchor-free Small-scale Multispectral Pedestrian Detection [88.7497134369344]
適応型単一段アンカーフリーベースアーキテクチャにおける2つのモードの効果的かつ効率的な多重スペクトル融合法を提案する。我々は,直接的境界ボックス予測ではなく,対象の中心と規模に基づく歩行者表現の学習を目指す。その結果,小型歩行者の検出における本手法の有効性が示唆された。
論文参考訳（メタデータ） (2020-08-19T13:13:01Z)
D-NetPAD: An Explainable and Interpretable Iris Presentation Attack Detector [13.367903535457364]
虹彩認識システムは、相手が印刷された目、プラスチックの目、化粧品のコンタクトレンズなどのアーチファクトを提示する、プレゼンテーションアタック(PA)に対して脆弱である。本稿では、DenseNet畳み込みニューラルネットワークアーキテクチャに基づくD-NetPADと呼ばれる有効で堅牢なアイリスPA検出器を提案する。
論文参考訳（メタデータ） (2020-07-02T20:44:36Z)
FairMOT: On the Fairness of Detection and Re-Identification in Multiple Object Tracking [92.48078680697311]
マルチオブジェクトトラッキング(MOT)はコンピュータビジョンにおいて重要な問題である。本稿では,FairMOTと呼ばれる,アンカーフリーなオブジェクト検出アーキテクチャCenterNetをベースとした,シンプルかつ効果的なアプローチを提案する。このアプローチは、検出と追跡の両方において高い精度を達成する。
論文参考訳（メタデータ） (2020-04-04T08:18:00Z)

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。