論文の概要: Face recognition with small and large size databases
- arxiv url: http://arxiv.org/abs/2204.08468v1
- Date: Sat, 16 Apr 2022 09:37:11 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-20 14:32:32.646324
- Title: Face recognition with small and large size databases
- Title(参考訳): 小型・大規模データベースによる顔認識
- Authors: Josep roure-Alcob\'e, Marcos Faundez-Zanuy
- Abstract要約: 本稿では,ORL (40人) とFERET (994人) のデータベースを用いた実験結果について述べる。
ORLデータベースは、アクセスしようとするユーザがほとんどいないアプリケーションを保護するのに有用である。
一方、FERETデータベースは、認証ユーザ数が約1000人である状況を研究するのに有用である。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This paper presents experimental results using the ORL (40 people) and FERET
(994 people) databases. The ORL database can be useful for securing
applications where few users attempting to access are expected. This is the
case, for instance, of a PDA or PC where the password is the face of the user.
On the other hand, the FERET database is useful for studying those situations
where the number of authorized users is around a thousand people.
- Abstract(参考訳): 本稿では,ORL (40人) とFERET (994人) のデータベースを用いた実験結果について述べる。
ORLデータベースは、アクセスしようとするユーザがほとんどいないアプリケーションを保護するのに役立つ。
これは例えば、パスワードがユーザの顔であるPDAやPCのケースである。
一方、FERETデータベースは、認証ユーザ数が約1000人である状況を研究する上で有用である。
関連論文リスト
- User Inference Attacks on Large Language Models [26.616016510555088]
ファインチューニング(英: Fine-tuning)は、大規模言語モデル(LLM)を特定のタスクやアプリケーションに合わせるための、一般的で効果的な方法である。
ユーザデータに対する微調整LDMのプライバシーへの影響について検討する。
論文 参考訳(メタデータ) (2023-10-13T17:24:52Z) - A Comprehensive Picture of Factors Affecting User Willingness to Use
Mobile Health Applications [62.60524178293434]
本研究の目的は,mHealthアプリのユーザ受け入れに影響を与える要因を検討することである。
利用者のデジタルリテラシーは、個人情報を共有するオンライン習慣に続き、使用意欲に最も強い影響を与える。
居住国、年齢、民族、教育などの利用者の人口統計学的背景は、顕著な緩和効果がある。
論文 参考訳(メタデータ) (2023-05-10T08:11:21Z) - Can LLM Already Serve as A Database Interface? A BIg Bench for
Large-Scale Database Grounded Text-to-SQLs [89.68522473384522]
テキストから効率のよいタスクをベースとした大規模データベースのための大規模なベンチマークであるBirdを紹介します。
データベースの値に重点を置いていると、汚いデータベースコンテンツに対する新たな課題が浮き彫りになる。
最も効果的なテキストから効率のよいモデルであるChatGPTでさえ、実行精度はわずか40.08%である。
論文 参考訳(メタデータ) (2023-05-04T19:02:29Z) - Flickr-PAD: New Face High-Resolution Presentation Attack Detection
Database [10.303961124927284]
この研究は、オープンアクセスFlickrイメージに基づいた新しいPADデータベース「Flickr-PAD」を提示する。
私たちの新しい手作りデータベースは、高品質な印刷と画面のシナリオを示しています。
これにより、研究者はより広いデータベース上の既存のアルゴリズムと新しいアプローチを比較することができる。
論文 参考訳(メタデータ) (2023-04-25T17:42:49Z) - An Assessment Tool for Academic Research Managers in the Third World [125.99533416395765]
一方のベースにあるデータが、もう一方のインデックスを推測するためにどのように使用できるかを示す。
SCOPUSの情報はWebから自由に取り除くことができるので、このアプローチは出版物のインパクトファクターを自由に推論することができる。
論文 参考訳(メタデータ) (2022-09-07T14:59:25Z) - BioTouchPass: Handwritten Passwords for Touchscreen Biometrics [3.867363075280544]
この研究は、PIN(Personal Identification Numbers)とOTP(One-Time Passwords)に基づく従来の認証システムを強化する。
提案手法では,通常どおり入力するのではなく,端末のタッチスクリーン上にパスワードの各桁を描画する。
提案する生体認証システムについて,パスワード長とエンローメントサンプル数を増加させる際の手書き桁の識別力とロバスト性について,完全解析を行った。
論文 参考訳(メタデータ) (2022-05-03T07:42:47Z) - Federated Learning of User Authentication Models [69.93965074814292]
機械学習モデルのプライバシー保護のためのフレームワークであるFederated User Authentication (FedUA)を提案する。
FedUAは、フェデレートされた学習フレームワークを採用して、ユーザが生の入力を共有することなく、共同でモデルをトレーニングできるようにする。
提案手法はプライバシ保護であり,多数のユーザに対してスケーラブルであることを示し,出力層を変更することなく,新たなユーザをトレーニングに追加できるようにした。
論文 参考訳(メタデータ) (2020-07-09T08:04:38Z) - TypeNet: Scaling up Keystroke Biometrics [79.19779718346128]
まず、リカレントニューラルネットワーク(RNN)を用いて、ユーザ毎のデータ量が不足している場合に、ユーザを認証できる範囲を分析した。
ネットワークのテストに1Kのユーザがいるため、TypeNetのエラー率は4.8%である。
ユーザ毎のデータ量と同じで、テストユーザ数が100Kまでスケールアップされるため、1Kと比較してパフォーマンスは5%以下に低下する。
論文 参考訳(メタデータ) (2020-04-07T18:05:33Z) - BioTouchPass2: Touchscreen Password Biometrics Using Time-Aligned
Recurrent Neural Networks [6.5379404287240295]
この作業は、2要素認証によってパスワードのシナリオを強化し、ユーザーが通常どおり入力するのではなく、パスワードの各文字を描くように要求する。
位置,姿勢,デバイスに関する制約を伴わない,教師なしのモバイルシナリオで取得した,新しいMobileTouchDBのパブリックデータベースを提示する。
さらに,TA-RNN(Time-Aligned Recurrent Neural Networks)という新しい手法を提案する。
論文 参考訳(メタデータ) (2020-01-28T09:25:06Z) - Investigating the Impact of Inclusion in Face Recognition Training Data
on Individual Face Identification [93.5538147928669]
最新のオープンソースの顔認識システムであるArcFaceを、100万枚以上の散らばった画像を用いた大規模な顔識別実験で監査する。
モデルのトレーニングデータには79.71%、存在しない人には75.73%のランク1顔認証精度がある。
論文 参考訳(メタデータ) (2020-01-09T15:50:28Z) - Human Gait Database for Normal Walk Collected by Smartphone
Accelerometer [0.6591285095051652]
本研究の目的は、2つの異なるセッションの間に2つのエンドポイント(320メートル)の間を歩いた93人の被験者の総合歩行データベースを導入することである。
このデータは、十分な時間ポイントを必要とするディープラーニングベースの手法によって活用するために収集される。
年齢、性別、喫煙、毎日の運動時間、身長、体重を含むメタデータを記録する。
論文 参考訳(メタデータ) (2019-05-04T22:35:09Z)
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。