論文の概要: Towards an efficient Iris Recognition System on Embedded Devices

• arxiv url: http://arxiv.org/abs/2210.13101v1
• Date: Mon, 24 Oct 2022 10:37:40 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-25 17:48:35.194793
• Title: Towards an efficient Iris Recognition System on Embedded Devices
• Title（参考訳）: 組込みデバイスを用いた効率的な虹彩認識システムの実現に向けて
• Authors: Daniel P. Benalcazar, Juan E. Tapia, Mauricio Vasquez, Leonardo Causa, Enrique Lopez Droguett, Christoph Busch
• Abstract要約: 本研究の目的は、組込みシステムにおいて虹彩認識ソフトウェアを開発し実装し、NIRを非接触双眼鏡で校正することである。 2台の組込みコンピュータと赤外線カメラで得られたコントラスト速度とコントラスト性能を比較検討した。 Unet_xxs と呼ばれる軽量セグメンタサブシステムが提案され,メモリリソース制限下でのアイリスセグメンテーションに使用できる。
• 参考スコア（独自算出の注目度）: 10.096614253237103
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Iris Recognition (IR) is one of the market's most reliable and accurate biometric systems. Today, it is challenging to build NIR-capturing devices under the premise of hardware price reduction. Commercial NIR sensors are protected from modification. The process of building a new device is not trivial because it is required to start from scratch with the process of capturing images with quality, calibrating operational distances, and building lightweight software such as eyes/iris detectors and segmentation sub-systems. In light of such challenges, this work aims to develop and implement iris recognition software in an embedding system and calibrate NIR in a contactless binocular setup. We evaluate and contrast speed versus performance obtained with two embedded computers and infrared cameras. Further, a lightweight segmenter sub-system called "Unet_xxs" is proposed, which can be used for iris semantic segmentation under restricted memory resources.
• Abstract（参考訳）: Iris Recognition (IR)は、市場で最も信頼性が高く正確な生体認証システムの一つである。 現在、ハードウェア価格の引き下げを前提として、NIRキャプチャーデバイスを構築することは困難である。 商用のNIRセンサーは修正から保護されている。 新しいデバイスを構築するプロセスは、品質で画像をキャプチャし、運用距離を調整し、目/虹彩検出器やセグメンテーションサブシステムのような軽量なソフトウェアを構築するプロセスから始める必要があるため、簡単ではない。 このような課題を考慮して, 本研究の目的は, 組込みシステムにおける虹彩認識ソフトウェアの開発と実装であり, NIRを非接触双眼鏡で校正することである。 2台の組み込みコンピュータと赤外線カメラで得られた性能とコントラスト速度を比較検討した。 さらに,制限メモリリソース下でのアイリスセグメンテーションに使用できる,軽量セグメンタサブシステム"Unet_xxs"を提案する。

関連論文リスト

• Random resistive memory-based deep extreme point learning machine for unified visual processing [67.51600474104171]
  ハードウェア・ソフトウェア共同設計型, ランダム抵抗型メモリベース深部極点学習マシン(DEPLM)を提案する。 我々の共同設計システムは,従来のシステムと比較して,エネルギー効率の大幅な向上とトレーニングコストの削減を実現している。
  論文  参考訳（メタデータ） (2023-12-14T09:46:16Z)
• EventTransAct: A video transformer-based framework for Event-camera based action recognition [52.537021302246664]
  イベントカメラは、RGBビデオの標準アクション認識と比較して、新しい機会を提供する。 本研究では,最初にイベントフレーム当たりの空間埋め込みを取得するビデオトランスフォーマーネットワーク(VTN)という,計算効率のよいモデルを用いる。 イベントデータのスパースできめ細かい性質にVTNをよりよく採用するために、イベントコントラストロス(mathcalL_EC$)とイベント固有の拡張を設計する。
  論文  参考訳（メタデータ） (2023-08-25T23:51:07Z)
• Toward Accurate and Reliable Iris Segmentation Using Uncertainty Learning [96.72850130126294]
  高精度で信頼性の高いアイリスセグメンテーションのためのアイリスU変換器(アイリスUsformer)を提案する。 IrisUsformerの精度向上のために,位置感応操作と再パッケージング変圧器ブロックを採用することで精巧に設計する。 IrisUsformer は SOTA IrisParseNet の 35% MAC を用いて, セグメンテーション精度の向上を図っている。
  論文  参考訳（メタデータ） (2021-10-20T01:37:19Z)
• An Embedded Iris Recognition System Optimization using Dynamically ReconfigurableDecoder with LDPC Codes [0.0]
  提案した設計には、最小限のコンピュータビジョンモジュールとマルチモードQC-LDPCデコーダが含まれる。 アイリス認識システムにマルチモードQC-LDPCデコーダを実装するために動的部分再構成技術を適用することができることを示す。
  論文  参考訳（メタデータ） (2021-07-08T09:04:11Z)
• Real-time Non-line-of-sight Imaging with Two-step Deep Remapping [0.0]
  非視線(NLOS)イメージングは、間接光を考慮に入れます。 ほとんどのソリューションは過渡走査プロセスを使用し、続いてNLOSシーンを再構築するためのバックプロジェクションベースのアルゴリズムが続く。 ここでは、上記の欠陥に対処する新しいNLOSソリューションを提案し、検出装置と再構成アルゴリズムの両方に革新をもたらす。
  論文  参考訳（メタデータ） (2021-01-26T00:08:54Z)
• On Benchmarking Iris Recognition within a Head-mounted Display for AR/VR Application [16.382021536377437]
  我々は、ヘッドマウントディスプレイ(HMD)に適した虹彩認識アルゴリズムのセットを評価する。 我々は最近開発されたミニチュアセグメンテーションモデル(EyeMMS)を用いて虹彩のセグメンテーションを行っている。 アイリス認識の性能に感銘を受けて,HMDにおける非協調的なキャプチャ設定において,ユーザの継続的な認証を提案する。
  論文  参考訳（メタデータ） (2020-10-20T17:05:11Z)
• Open Source Iris Recognition Hardware and Software with Presentation Attack Detection [10.579257329579676]
  本稿では,プレゼンテーションアタック検出(PAD)を用いたオープンソースハードウェアおよびソフトウェアアイリス認識システムを提案する。 Raspberry Piボードと周辺機器を使って、約75 USDで簡単に組み立てることができる。 提案された虹彩認識は約3.2秒で、提案されたPADはRaspberry Pi 3B+で約4.5秒で実行される。
  論文  参考訳（メタデータ） (2020-08-19T02:02:16Z)
• Learning Camera Miscalibration Detection [83.38916296044394]
  本稿では,視覚センサ,特にRGBカメラの誤校正検出を学習するためのデータ駆動型アプローチに焦点を当てた。 コントリビューションには、RGBカメラの誤校正基準と、この基準に基づく新しい半合成データセット生成パイプラインが含まれる。 深層畳み込みニューラルネットワークをトレーニングすることにより、カメラ固有のパラメータの再校正が必要か否かを判断するパイプラインの有効性を実証する。
  論文  参考訳（メタデータ） (2020-05-24T10:32:49Z)
• An Integrated Enhancement Solution for 24-hour Colorful Imaging [51.782600936647235]
  24時間屋外イメージングの現在の業界慣行は、近赤外線(NIR)照明を付加したシリコンカメラを使用することである。 その結果、昼間はコントラストが低く、夜間は色覚が欠如する。 そこで本研究では,日光の日中や夜間の夜間に鮮明な色画像を生成する,新規で統合された拡張ソリューションを提案する。
  論文  参考訳（メタデータ） (2020-05-10T05:11:34Z)
• SIP-SegNet: A Deep Convolutional Encoder-Decoder Network for Joint Semantic Segmentation and Extraction of Sclera, Iris and Pupil based on Periocular Region Suppression [8.64118000141143]
  マルチモーダル生体認証システムは 生体認証システムの限界に 対処する能力がある このようなシステムには高い特性、永続性、性能があるが、他の生体特性に基づく技術は容易に妥協できる。 SIP-SegNetと呼ばれる新しい深層学習フレームワークが提案され、眼形質のセマンティックセマンティックセグメンテーションを行う。
  論文  参考訳（メタデータ） (2020-02-15T15:20:44Z)
• Towards Precise Intra-camera Supervised Person Re-identification [54.86892428155225]
  人物の再識別(Re-ID)のためのカメラ内監視(ICS)は、アイデンティティラベルが各カメラビュー内に独立してアノテートされていると仮定する。 カメラ間ラベルの欠如により、ICS Re-ID問題は、完全に監督されたラベルよりもはるかに難しい。 われわれの手法は、2つのデータセットで最先端の完全教師付き手法に匹敵する性能を発揮する。
  論文  参考訳（メタデータ） (2020-02-12T11:56:30Z)

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。