論文の概要: Geometric Synthesis: A Free lunch for Large-scale Palmprint Recognition
Model Pretraining
- arxiv url: http://arxiv.org/abs/2203.05703v1
- Date: Fri, 11 Mar 2022 01:20:22 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-14 20:26:13.573836
- Title: Geometric Synthesis: A Free lunch for Large-scale Palmprint Recognition
Model Pretraining
- Title(参考訳): 幾何学的合成:大規模パルププリント認識モデル事前学習のための無料ランチ
- Authors: Kai Zhao, Lei Shen, Yingyi Zhang, Chuhan Zhou, Tao Wang, Ruixin Zhang,
Shouhong Ding, Wei Jia and Wei Shen
- Abstract要約: パラメータ化されたB'ezier曲線を持つパーマークリーゼを表す直観的幾何学モデルを導入する。
B'ezierパラメータをランダムにサンプリングすることで、多様なアイデンティティの大規模なトレーニングサンプルを合成できる。
実験結果から, 合成事前学習モデルは非常に強力な一般化能力を有することが示された。
- 参考スコア(独自算出の注目度): 27.81138870690135
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Palmprints are private and stable information for biometric recognition. In
the deep learning era, the development of palmprint recognition is limited by
the lack of sufficient training data. In this paper, by observing that palmar
creases are the key information to deep-learning-based palmprint recognition,
we propose to synthesize training data by manipulating palmar creases.
Concretely, we introduce an intuitive geometric model which represents palmar
creases with parameterized B\'ezier curves. By randomly sampling B\'ezier
parameters, we can synthesize massive training samples of diverse identities,
which enables us to pretrain large-scale palmprint recognition models.
Experimental results demonstrate that such synthetically pretrained models have
a very strong generalization ability: they can be efficiently transferred to
real datasets, leading to significant performance improvements on palmprint
recognition. For example, under the open-set protocol, our method improves the
strong ArcFace baseline by more than 10\% in terms of TAR@1e-6. And under the
closed-set protocol, our method reduces the equal error rate (EER) by an order
of magnitude.
- Abstract(参考訳): palmprintsは、生体認証のためのプライベートで安定した情報である。
深層学習時代には、十分なトレーニングデータがないため、手のひら文字認識の発達が制限される。
本稿では, 深層学習に基づくパームプリント認識において, パームラークレーゼが鍵となる情報であることから, パームラークレーゼを操作することにより, トレーニングデータを合成することを提案する。
具体的には,パラメータ化されたb\'ezier曲線を持つ手のひら折り目を表す直観的幾何モデルを提案する。
b\'ezierパラメータをランダムにサンプリングすることで、多様なアイデンティティの膨大なトレーニングサンプルを合成し、大規模パームプリント認識モデルの事前トレーニングを可能にする。
実験の結果、これらの合成事前学習モデルは非常に強力な一般化能力を持つことが示され、それらは実データセットに効率的に転送され、パームプリント認識の性能が大幅に向上した。
例えば、オープンセットプロトコルでは、我々の手法は強力なArcFaceベースラインを TAR@1e-6 で 10 % 以上改善する。
また, 閉集合プロトコルの下では, 等誤差率(EER)を桁違いに低減する。
関連論文リスト
- GenPalm: Contactless Palmprint Generation with Diffusion Models [25.738682467090335]
本稿では拡散確率モデルを用いた新しいパームプリント生成法を提案する。
我々は,複数のパームIDを合成するエンドツーエンドフレームワークを開発し,生成されたパームプリントの現実性と有用性を検証した。
論文 参考訳(メタデータ) (2024-06-01T03:33:25Z) - Match me if you can: Semi-Supervised Semantic Correspondence Learning with Unpaired Images [76.47980643420375]
本稿では,意味的対応の学習に固有のデータ・ハングリー・マターが存在するという仮説に基づく。
我々は,機械の監督を通じて,ペア化されたキーポイントを確実に強化する単純な機械注釈器を実証する。
我々のモデルは,SPair-71k,PF-PASCAL,PF-WILLOWといった意味対応学習ベンチマークの最先端モデルを上回る。
論文 参考訳(メタデータ) (2023-11-30T13:22:15Z) - Segue: Side-information Guided Generative Unlearnable Examples for
Facial Privacy Protection in Real World [64.4289385463226]
生成不可能な例としては、Segue: Side-information guided Generative unlearnable Exampleを提案する。
転送性を向上させるために,真のラベルや擬似ラベルなどの側面情報を導入する。
JPEG圧縮、敵対的トレーニング、およびいくつかの標準的なデータ拡張に抵抗することができる。
論文 参考訳(メタデータ) (2023-10-24T06:22:37Z) - Approximating Human-Like Few-shot Learning with GPT-based Compression [55.699707962017975]
我々は、推論中にデータ圧縮を可能にする、人間のような学習能力を備えた生成事前学習モデルを提案する。
本稿では,GPT(Generative Pre-trained Transformer)を用いてコルモゴロフ複雑性を近似する手法を提案する。
論文 参考訳(メタデータ) (2023-08-14T05:22:33Z) - RPG-Palm: Realistic Pseudo-data Generation for Palmprint Recognition [26.82617300073746]
そこで本研究では,ヤシの指紋を大量に合成する現実的な擬似パルムプリント生成モデルを提案する。
我々のモデルは、TAR@FAR=1e-6の1:1$と1:3$のオープンセットプロトコルで、最先端のB'ezierPalmを5%以上、そして14%以上改善します。
この手法はArcFaceを100%の訓練データで上回り、実データフリーのパームプリント認識に近づきつつあることを示す。
論文 参考訳(メタデータ) (2023-07-26T07:57:56Z) - Retrieval-Enhanced Contrastive Vision-Text Models [61.783728119255365]
そこで本研究では,メモリから取得したクロスモーダルな情報を推論時に表現することで,その埋め込みを洗練できる視覚テキストモデルを提案する。
注目すべきことに、これは凍ったCLIPの上に軽量の単層核融合トランスを用いて行うことができる。
検索強化コントラスト訓練(RECO)がCLIPの性能を大幅に向上することを示す。
論文 参考訳(メタデータ) (2023-06-12T15:52:02Z) - Few-Shot Learning for Biometric Verification [2.3226893628361682]
機械学習アプリケーションでは、できるだけ多くの情報を供給することが一般的である。ほとんどの場合、モデルはより正確に予測できる大規模なデータセットを扱うことができる。
本稿では,Few-Shot 学習手法による最先端のアキュラシーと比較し,バイオメトリックスデータの検証を行う,新しいエンドツーエンド軽量アーキテクチャを提案する。
論文 参考訳(メタデータ) (2022-11-12T22:49:25Z) - Few-Shot Non-Parametric Learning with Deep Latent Variable Model [50.746273235463754]
遅延変数を用いた圧縮による非パラメトリック学習(NPC-LV)を提案する。
NPC-LVは、ラベルなしデータが多いがラベル付きデータはほとんどないデータセットの学習フレームワークである。
我々は,NPC-LVが低データ構造における画像分類における3つのデータセットの教師あり手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2022-06-23T09:35:03Z) - Touchless Palmprint Recognition based on 3D Gabor Template and Block
Feature Refinement [28.991303988737503]
1167名から2334個のパームを含む大規模なタッチレスパームプリントデータセットを構築します。
われわれの知る限り、これは史上最大の接触なしヤシプリント画像ベンチマークである。
タッチレスパームプリント認識のための新しい深層学習フレームワーク3DCPNを提案する。
論文 参考訳(メタデータ) (2021-03-03T04:22:24Z) - Omni-supervised Facial Expression Recognition via Distilled Data [120.11782405714234]
ネットワークトレーニングにおいて,信頼度の高いサンプルを多量のラベルのないデータで活用するためのオムニ教師付き学習を提案する。
我々は,新しいデータセットが学習したFERモデルの能力を大幅に向上させることができることを実験的に検証した。
そこで本研究では,生成したデータセットを複数のクラスワイド画像に圧縮するために,データセット蒸留戦略を適用することを提案する。
論文 参考訳(メタデータ) (2020-05-18T09:36:51Z) - Towards Efficient Unconstrained Palmprint Recognition via Deep
Distillation Hashing [28.36096948563473]
効率的なパームプリント認識のためのベンチマークとして、ディープ蒸留ハッシュ (DDH) が提案されている。
パームプリント識別の精度は最大11.37%向上し、パームプリント検証のEER(Equal Error Rate)は最大3.11%削減できる。
論文 参考訳(メタデータ) (2020-04-07T12:15:04Z)
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。