論文の概要: Deep Learning for Iris Recognition: A Survey

• arxiv url: http://arxiv.org/abs/2210.05866v1
• Date: Wed, 12 Oct 2022 01:58:09 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-13 12:40:52.581071
• Title: Deep Learning for Iris Recognition: A Survey
• Title（参考訳）: 虹彩認識のためのディープラーニング:調査
• Authors: Kien Nguyen, Hugo Proen\c{c}a, Fernando Alonso-Fernandez
• Abstract要約: 我々は、虹彩生体計測における2つの主要なサブタスク(セグメンテーションと認識)のために開発された深層学習手法を包括的に分析する。 第3に,特に死後虹彩認識において,法医学的応用のための深層学習手法を深く研究した。 第4に、虹彩認識のためのディープラーニング技術におけるオープンソースのリソースとツールについてレビューする。
• 参考スコア（独自算出の注目度）: 66.55441036931555
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In this survey, we provide a comprehensive review of more than 200 papers, technical reports, and GitHub repositories published over the last 10 years on the recent developments of deep learning techniques for iris recognition, covering broad topics on algorithm designs, open-source tools, open challenges, and emerging research. First, we conduct a comprehensive analysis of deep learning techniques developed for two main sub-tasks in iris biometrics: segmentation and recognition. Second, we focus on deep learning techniques for the robustness of iris recognition systems against presentation attacks and via human-machine pairing. Third, we delve deep into deep learning techniques for forensic application, especially in post-mortem iris recognition. Fourth, we review open-source resources and tools in deep learning techniques for iris recognition. Finally, we highlight the technical challenges, emerging research trends, and outlook for the future of deep learning in iris recognition.
• Abstract（参考訳）: この調査では、過去10年間に発行された200以上の論文、技術レポート、GitHubリポジトリの包括的なレビューとして、虹彩認識のためのディープラーニング技術の開発について、アルゴリズム設計、オープンソースツール、オープンチャレンジ、新興研究に関する広範なトピックを取り上げている。 まず,アイリスバイオメトリックスにおける2つの主サブタスク,セグメンテーションと認識のために開発された深層学習技術の包括的解析を行う。 第2に,提示攻撃に対する虹彩認識システムの堅牢性および人間と機械のペアリングによる深層学習技術に着目した。 第3に,特に死後虹彩認識において,法医学的応用のための深層学習手法を深く研究した。 第4に,アイリス認識のためのディープラーニング技術におけるオープンソースリソースとツールについて検討する。 最後に,虹彩認識における深層学習の将来に向けた技術的課題,新たな研究動向,展望について述べる。

関連論文リスト

• Understanding Audiovisual Deepfake Detection: Techniques, Challenges, Human Factors and Perceptual Insights [49.81915942821647]
  ディープラーニングは様々な分野に適用され、ディープフェイク検出への影響は例外ではない。 ディープフェイク(英: Deepfakes)は、政治的偽造、フィッシング、スランダリング、偽情報の拡散に偽装的に使用できる、偽物だが現実的な合成コンテンツである。 本稿では,ディープフェイク検出戦略の有効性を改善し,サイバーセキュリティとメディアの整合性に関する今後の研究を導くことを目的とする。
  論文  参考訳（メタデータ） (2024-11-12T09:02:11Z)
• Deep Learning Technology for Face Forgery Detection: A Survey [17.519617618071003]
  ディープラーニングにより、高忠実度顔画像やビデオの作成や操作が可能になった。 この技術はディープフェイクとしても知られ、劇的な進歩を遂げ、ソーシャルメディアで人気を博している。 ディープフェイクのリスクを低減するため、強力な偽造検出方法を開発することが望ましい。
  論文  参考訳（メタデータ） (2024-09-22T01:42:01Z)
• Exploring Deep Learning Image Super-Resolution for Iris Recognition [50.43429968821899]
  重畳自動エンコーダ(SAE)と畳み込みニューラルネットワーク(CNN)の2つの深層学習単一画像超解法手法を提案する。 精度評価と認識実験により,1.872個の近赤外虹彩画像のデータベースを用いて評価を行い,比較アルゴリズムよりも深層学習の方が優れていることを示す。
  論文  参考訳（メタデータ） (2023-11-02T13:57:48Z)
• Deep Learning for Iris Recognition: A Review [7.884782855865438]
  虹彩認識は他の生体認証法よりも信頼性が高く、外部要因の影響を受けにくいと考えられている。 従来の機械学習ベースの虹彩認識方法とは異なり、ディープラーニング技術は機能工学に頼らず、優れたパフォーマンスを誇っている。 本稿では,深層学習に基づく虹彩認識の展開を要約するために120の関連論文を収集した。
  論文  参考訳（メタデータ） (2023-03-15T10:45:21Z)
• Knowledge-enhanced Neural Machine Reasoning: A Review [67.51157900655207]
  既存の知識強化手法を2つの主要なカテゴリと4つのサブカテゴリに分類する新しい分類法を導入する。 我々は、現在のアプリケーションドメインを解明し、将来的な研究の展望について洞察を提供する。
  論文  参考訳（メタデータ） (2023-02-04T04:54:30Z)
• A Comprehensive Survey on Deep Gait Recognition: Algorithms, Datasets and Challenges [18.08349977960643]
  歩行認識は、遠くにいる人物を識別することを目的としており、長距離かつ協力の少ない歩行者認識のための有望な解決策として機能している。 近年の歩行認識の進歩は、深層学習技術を活用して、多くの挑戦的なシナリオで大きな成功を収めている。 歩容認識の新たな課題には、堅牢な深度表現モデリング、Wildでの歩容認識、赤外線や深度カメラなどの新しい視覚センサーからの認識などがある。
  論文  参考訳（メタデータ） (2022-06-28T03:36:12Z)
• Deep Learning Based Person Re-Identification Methods: A Survey and Outlook of Recent Works [5.202841879001503]
  従来型および深層学習に基づくRe-ID手法を比較し,いくつかのRe-ID調査の主な貢献点を示す。 本稿では,従来のDeep Learning-based person Re-ID法に注目し,深層学習,局所的特徴学習,敵対的ネットワークの生成,シーケンス的特徴学習,グラフ畳み込みネットワークなどの手法について述べる。
  論文  参考訳（メタデータ） (2021-10-10T11:23:47Z)
• Threat of Adversarial Attacks on Deep Learning in Computer Vision: Survey II [86.51135909513047]
  ディープラーニングは、予測を操作できる敵攻撃に対して脆弱である。 本稿では,ディープラーニングに対する敵対的攻撃におけるコンピュータビジョンコミュニティの貢献を概観する。 この領域では、非専門家に技術的な用語の定義を提供する。
  論文  参考訳（メタデータ） (2021-08-01T08:54:47Z)
• Recent advances and clinical applications of deep learning in medical image analysis [7.132678647070632]
  我々は最近200以上の論文をレビュー・要約し、様々な医用画像解析タスクにおける深層学習手法の適用の概要を概観した。 特に,医用画像における最先端の非教師あり半教師あり深層学習の進歩と貢献を強調した。
  論文  参考訳（メタデータ） (2021-05-27T18:05:12Z)
• Deep Learning for Sensor-based Human Activity Recognition: Overview, Challenges and Opportunities [52.59080024266596]
  本稿では,センサを用いた人間の活動認識のための最先端のディープラーニング手法について調査する。 まず、官能データのマルチモーダリティを導入し、公開データセットに情報を提供する。 次に、課題によって深層メソッドを構築するための新しい分類法を提案する。
  論文  参考訳（メタデータ） (2020-01-21T09:55:59Z)

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。