論文の概要: Fully Automated Binary Pattern Extraction For Finger Vein Identification using Double Optimization Stages-Based Unsupervised Learning Approach

• arxiv url: http://arxiv.org/abs/2205.03840v1
• Date: Sun, 8 May 2022 11:01:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-11 05:38:13.483649
• Title: Fully Automated Binary Pattern Extraction For Finger Vein Identification using Double Optimization Stages-Based Unsupervised Learning Approach
• Title（参考訳）: 二重最適化段階に基づく教師なし学習アプローチによる指静脈同定のための完全自動バイナリパターン抽出
• Authors: Ali Salah Hameed, Adil Al-Azzawi
• Abstract要約: 機械学習に基づく教師なし、教師なし、ディープラーニングのアルゴリズムは、指静脈の検出と認識に大きな影響を与えている。 ディープラーニングは、手作業による生成とラベル付けが必要な、多数のトレーニングデータセットを必要とする。 本研究では,データセット作成をトレーニングするための完全に自動化された教師なし学習戦略を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Today, finger vein identification is gaining popularity as a potential biometric identification framework solution. Machine learning-based unsupervised, supervised, and deep learning algorithms have had a significant influence on finger vein detection and recognition at the moment. Deep learning, on the other hand, necessitates a large number of training datasets that must be manually produced and labeled. In this research, we offer a completely automated unsupervised learning strategy for training dataset creation. Our method is intended to extract and build a decent binary mask training dataset completely automated. In this technique, two optimization steps are devised and employed. The initial stage of optimization is to create a completely automated unsupervised image clustering based on finger vein image localization. Worldwide finger vein pattern orientation estimation is employed in the second optimization to optimize the retrieved finger vein lines. Finally, the proposed system achieves 99.6 - percent pattern extraction accuracy, which is significantly higher than other common unsupervised learning methods like k-means and Fuzzy C-Means (FCM).
• Abstract（参考訳）: 今日、指の静脈の識別は生体認証フレームワークの潜在的なソリューションとして人気を集めている。 機械学習に基づく教師なし、教師なし、ディープラーニングのアルゴリズムは、現在、指静脈の検出と認識に大きな影響を与えている。 一方、ディープラーニングは、手作業による生成とラベル付けが必要な多数のトレーニングデータセットを必要とする。 本研究では,データセット作成のトレーニングに完全自動化された教師なし学習戦略を提案する。 本手法は,完全自動二分マスクトレーニングデータセットの抽出と構築を目的としている。 本手法では,2つの最適化ステップを考案し,適用する。 最適化の初期段階は、指静脈像の局所化に基づく完全に自動化されていない画像クラスタリングを作成することである。 第2の最適化では,全指静脈パターンの向き推定を用いて検索した指静脈線を最適化する。 最後に,k-means や Fuzzy C-Means (FCM) のような一般的な教師なし学習手法よりもはるかに高い99.6%のパターン抽出精度を実現する。

関連論文リスト

• UniForensics: Face Forgery Detection via General Facial Representation [60.5421627990707]
  高レベルの意味的特徴は摂動の影響を受けにくく、フォージェリー固有の人工物に限らないため、より強い一般化がある。 我々は、トランスフォーマーベースのビデオネットワークを活用する新しいディープフェイク検出フレームワークUniForensicsを導入し、顔の豊かな表現のためのメタファンクショナルな顔分類を行う。
  論文  参考訳（メタデータ） (2024-07-26T20:51:54Z)
• Incremental Self-training for Semi-supervised Learning [56.57057576885672]
  ISTは単純だが有効であり、既存の自己学習に基づく半教師あり学習手法に適合する。 提案したISTを5つのデータセットと2種類のバックボーンで検証し,認識精度と学習速度を効果的に向上させる。
  論文  参考訳（メタデータ） (2024-04-14T05:02:00Z)
• Unsupervised Pre-Training Using Masked Autoencoders for ECG Analysis [4.3312979375047025]
  本稿では、心電図(ECG)信号のためのマスク付きオートエンコーダ(MAE)に基づく教師なし事前トレーニング手法を提案する。 さらに、ECG分析のための完全なフレームワークを形成するためのタスク固有の微調整を提案する。 フレームワークは高レベルで普遍的で、特定のモデルアーキテクチャやタスクに個別に適応していない。
  論文  参考訳（メタデータ） (2023-10-17T11:19:51Z)
• Self-Supervised Representation Learning from Temporal Ordering of Automated Driving Sequences [49.91741677556553]
  本研究では、認識タスクのための地域レベルの特徴表現を事前学習するための時間順述前文タスクであるTempOを提案する。 我々は各フレームを、オブジェクト検出やトラッキングシステムにとって自然な表現である、未順序な特徴ベクトルのセットで埋め込む。 BDD100K、nu Images、MOT17データセットの大規模な評価は、私たちのTempO事前学習アプローチがシングルフレームの自己教師型学習方法よりも優れていることを示している。
  論文  参考訳（メタデータ） (2023-02-17T18:18:27Z)
• Weakly Supervised Change Detection Using Guided Anisotropic Difusion [97.43170678509478]
  我々は、このようなデータセットを変更検出の文脈で活用するのに役立つ独自のアイデアを提案する。 まず,意味的セグメンテーション結果を改善する誘導異方性拡散(GAD)アルゴリズムを提案する。 次に、変化検出に適した2つの弱い教師付き学習戦略の可能性を示す。
  論文  参考訳（メタデータ） (2021-12-31T10:03:47Z)
• Fully Automated Machine Learning Pipeline for Echocardiogram Segmentation [0.0]
  本稿では、ラベル付け作業を容易にするためにアクティブラーニングに依存したパイプラインを導入し、ニューラルネットワークサーチのアイデアを用いて適切なディープラーニングモデルを自動的に設計する。 実験結果から,本手法は元のトレーニングデータセットの5分の2の精度で同じIOU値を得ることができた。
  論文  参考訳（メタデータ） (2021-07-18T13:15:46Z)
• Anomaly Detection in Cybersecurity: Unsupervised, Graph-Based and Supervised Learning Methods in Adversarial Environments [63.942632088208505]
  現在の運用環境に固有ののは、敵対的機械学習の実践である。 本研究では,教師なし学習とグラフに基づく異常検出の可能性を検討する。 我々は,教師付きモデルの訓練時に,現実的な対人訓練機構を組み込んで,対人環境における強力な分類性能を実現する。
  論文  参考訳（メタデータ） (2021-05-14T10:05:10Z)
• Unsupervised Multi-Modal Representation Learning for Affective Computing with Multi-Corpus Wearable Data [16.457778420360537]
  我々は、人間の監督への依存を減らすために、教師なしの枠組みを提案する。 提案フレームワークは2つの畳み込み自己エンコーダを用いて、ウェアラブル心電図(ECG)と電磁気放射能(EDA)信号から潜時表現を学習する。 提案手法は, 同一のデータセット上での覚醒検出を行ない, 現状の成果よりも優れていた。
  論文  参考訳（メタデータ） (2020-08-24T22:01:55Z)
• Deep Semi-supervised Knowledge Distillation for Overlapping Cervical Cell Instance Segmentation [54.49894381464853]
  本稿では, ラベル付きデータとラベルなしデータの両方を, 知識蒸留による精度向上に活用することを提案する。 摂動に敏感なサンプルマイニングを用いたマスク誘導型平均教師フレームワークを提案する。 実験の結果,ラベル付きデータのみから学習した教師付き手法と比較して,提案手法は性能を著しく向上することがわかった。
  論文  参考訳（メタデータ） (2020-07-21T13:27:09Z)

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。