Fugu-MT 論文翻訳(概要): Learning to Predict Fitness for Duty using Near Infrared Periocular Iris Images

論文の概要: Learning to Predict Fitness for Duty using Near Infrared Periocular Iris Images

arxiv url: http://arxiv.org/abs/2209.01683v1
Date: Sun, 4 Sep 2022 19:48:45 GMT
ステータス: 処理完了
システム内更新日: 2022-09-07 14:02:47.469375
Title: Learning to Predict Fitness for Duty using Near Infrared Periocular Iris Images
Title（参考訳）: 近赤外近赤外虹彩画像を用いた勤務適性予測のための学習
Authors: Juan Tapia, Daniel Benalcazar, Andres Valenzuela, Leonardo Causa, Enrique Lopez Droguett, Christoph Busch
Abstract要約: 本研究は, 中枢神経系に対する外部因子の影響を明らかにすることに焦点を当てた。目的は、これが虹彩や瞳孔運動にどのように影響するかを分析することである。本稿では,アルコール/ドラッグ/スリープ性の影響下で被験者から採取した虹彩NIR画像を分類するMobileNetV2を提案する。
参考スコア（独自算出の注目度）: 8.79172220232372
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: This research proposes a new database and method to detect the reduction of alertness conditions due to alcohol, drug consumption and sleepiness deprivation from Near-Infra-Red (NIR) periocular eye images. The study focuses on determining the effect of external factors on the Central Nervous System (CNS). The goal is to analyse how this impacts iris and pupil movement behaviours and if it is possible to classify these changes with a standard iris NIR capture device. This paper proposes a modified MobileNetV2 to classify iris NIR images taken from subjects under alcohol/drugs/sleepiness influences. The results show that the MobileNetV2-based classifier can detect the Unfit alertness condition from iris samples captured after alcohol and drug consumption robustly with a detection accuracy of 91.3% and 99.1%, respectively. The sleepiness condition is the most challenging with 72.4%. For two-class grouped images belonging to the Fit/Unfit classes, the model obtained an accuracy of 94.0% and 84.0%, respectively, using a smaller number of parameters than the standard Deep learning Network algorithm. This work is a step forward in biometric applications for developing an automatic system to classify "Fitness for Duty" and prevent accidents due to alcohol/drug consumption and sleepiness.
Abstract（参考訳）: 本研究では,近赤外線(nir)眼球画像からのアルコール,薬物摂取,睡眠不足による警告条件の低減を検出するためのデータベースと手法を提案する。この研究は、中枢神経系(CNS)に対する外部因子の影響を判定することに焦点を当てている。目標は、これが虹彩や瞳孔の動きに与える影響を分析し、これらの変化を標準の虹彩捕獲装置で分類できるかどうかを分析することである。本稿では,アルコール/ドラッグ/スリープ性の影響下で被験者から採取した虹彩NIR画像を分類するMobileNetV2を提案する。その結果,MobileNetV2をベースとした分類器は,アルコール摂取後に採取した虹彩検体から不適合診断条件を検出でき,薬物摂取量も91.3%,99.1%と良好に検出できることがわかった。睡眠状態は72.4%と最も困難である。 Fit/Unfitクラスに属する2種類のグループ画像に対して、標準のDeep Learning Networkアルゴリズムよりも少ないパラメータを用いて、それぞれ94.0%と84.0%の精度を得た。本研究は,「勤務適性」を分類し,アルコール・薬物摂取・眠気による事故を防止する自動システムを開発するためのバイオメトリック応用の一歩である。

関連論文リスト

Classification robustness to common optical aberrations [64.08840063305313]
本稿では,現実的かつ実用的な光ぼけ効果に対するロバスト性を調べるためのベンチマークである OpticsBench を提案する。 ImageNetの実験では、様々な訓練済みのDNNに対して、ディスク形状のカーネルと比較して、パフォーマンスが強いことが示されている。我々は,光カーネルをデータ拡張として使用することにより,拡張可能なImageNet-100について述べる。
論文参考訳（メタデータ） (2023-08-29T08:36:00Z)
Fitness-for-Duty Classification using Temporal Sequences of Iris Periocular images [1.7188280334580195]
Fitness for Duty (FFD) 技術は、被写体がフィットであるか、あるいは不適当かを検知する。ヒトの虹彩行動は、瞳孔と虹彩の動きが中枢神経系によって制御されているため、FFDを予測する貴重な情報を提供する。本研究の目的は、8つのアイリス画像のシーケンスを用いてFFDを分類し、空間的・時間的情報を抽出することである。
論文参考訳（メタデータ） (2023-04-24T07:14:46Z)
Uncertainty-inspired Open Set Learning for Retinal Anomaly Identification [71.06194656633447]
9つの網膜条件の基底像をトレーニングし,不確実性に着想を得たオープンセット(UIOS)モデルを構築した。しきい値戦略を持つUIOSモデルはF1スコア99.55%、97.01%、91.91%を達成した。 UIOSは、高い不確実性スコアを正しく予測し、非ターゲットの網膜疾患、低品質の眼底画像、および非基本画像のデータセットを手動でチェックする必要があることを示唆した。
論文参考訳（メタデータ） (2023-04-08T10:47:41Z)
DeDA: Deep Directed Accumulator [10.779418078441065]
慢性活動性多発性硬化症病変(リム+病変とも呼ばれる)は、定量的感受性マップ上の病変の端に高強度の縁を特徴付けることができる。近年の研究では,これらの病変の同定性能は,データ量と高レベルの不均衡のため,未だに満足できないことが示されている。本稿では,領域固有の帰納バイアス(プライアー)をニューラルネットワークに注入し,リム+病変の同定を行うための,単純かつ効果的な画像処理操作であるディープ指向(DeDA)を提案する。
論文参考訳（メタデータ） (2023-03-15T08:12:28Z)
Near-infrared and visible-light periocular recognition with Gabor features using frequency-adaptive automatic eye detection [69.35569554213679]
近視認識は、制御の少ないシナリオにおいて、顔や虹彩の堅牢性の増大が要求されるため、近年注目を集めている。本稿では,複雑な対称性フィルタに基づく眼球検出システムを提案する。このシステムはレチノトピックサンプリンググリッドとガボルスペクトル分解に基づく近視アルゴリズムの入力として用いられる。
論文参考訳（メタデータ） (2022-11-10T13:04:03Z)
Alcohol Consumption Detection from Periocular NIR Images Using Capsule Network [11.580619694289481]
本研究は,アルコールなどの外的要因が中枢神経系に及ぼす影響を明らかにすることに焦点を当てた。目標は、これが虹彩や瞳孔の動きにどのように影響するかを分析し、標準の虹彩NIRカメラでこれらの変化を捉えられるかどうかを調べることである。本稿では,アルコール摂取対象の虹彩NIR画像の分類を行う新しいFused Capsule Network(F-CapsNet)を提案する。
論文参考訳（メタデータ） (2022-09-04T17:10:28Z)
Behavioural Curves Analysis Using Near-Infrared-Iris Image Sequences [0.0]
本論文では,近赤外線アイリス映像フレームのストリームから行動曲線を推定する手法を提案する。この研究は、アルコール、薬物、睡眠などの外的要因が中枢神経系に及ぼす影響を決定することに焦点を当てている。
論文参考訳（メタデータ） (2022-03-04T18:39:01Z)
Osteoporosis Prescreening using Panoramic Radiographs through a Deep Convolutional Neural Network with Attention Mechanism [65.70943212672023]
注意モジュールを持つディープ畳み込みニューラルネットワーク(CNN)はパノラマX線写真上で骨粗しょう症を検出することができる。 49歳から60歳までの70種類のパノラマX線写真(PR)のデータセットを用いて検討した。
論文参考訳（メタデータ） (2021-10-19T00:03:57Z)
On the Effect of Selfie Beautification Filters on Face Detection and Recognition [53.561797148529664]
ソーシャルメディア画像フィルターは、例えば人工眼鏡や動物の鼻で、画像コントラスト、照明、あるいは顔の一部を妨げる。 U-NETセグメンテーションネットワークの修正版を用いて適用操作を再構築する手法を開発した。認識の観点からは、顔を認識するために訓練されたResNet-34ネットワークを用いて抽出された特徴に対して、距離測定と訓練された機械学習アルゴリズムを用いる。
論文参考訳（メタデータ） (2021-10-17T22:10:56Z)
SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection Classifier [68.8204255655161]
神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。 SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
論文参考訳（メタデータ） (2021-10-01T23:01:20Z)
Semantic Segmentation of Periocular Near-Infra-Red Eye Images Under Alcohol Effects [8.820032281861227]
本稿では, アルコール摂取下での近赤外虹彩画像から眼球の局在を検知し, セグメンテーションし, 推定する新しい枠組みを提案する。我々のフレームワークは、一枚の画像から両目を検出するために、スクラッチから訓練された物体検出器に基づいている。
論文参考訳（メタデータ） (2021-06-30T06:15:17Z)

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。