論文の概要: Iris super-resolution using CNNs: is photo-realism important to iris
recognition?
- arxiv url: http://arxiv.org/abs/2210.13125v1
- Date: Mon, 24 Oct 2022 11:19:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-25 17:47:53.708236
- Title: Iris super-resolution using CNNs: is photo-realism important to iris
recognition?
- Title(参考訳): CNNを用いた虹彩超解像 : 光リアリズムは虹彩認識に重要であるか?
- Authors: Eduardo Ribeiro, Andreas Uhl, Fernando Alonso-Fernandez
- Abstract要約: 特に畳み込みニューラルネットワーク(CNN)を用いた単一画像超解像技術が出現している
本研究では, 虹彩認識のためのCNNを用いて, 単一画像の超解像を探索する。
彼らは、近赤外線虹彩画像の1.872のデータベースと携帯電話画像データベースのアプローチを検証する。
- 参考スコア(独自算出の注目度): 67.42500312968455
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The use of low-resolution images adopting more relaxed acquisition conditions
such as mobile phones and surveillance videos is becoming increasingly common
in iris recognition nowadays. Concurrently, a great variety of single image
super-resolution techniques are emerging, especially with the use of
convolutional neural networks (CNNs). The main objective of these methods is to
try to recover finer texture details generating more photo-realistic images
based on the optimisation of an objective function depending basically on the
CNN architecture and training approach. In this work, the authors explore
single image super-resolution using CNNs for iris recognition. For this, they
test different CNN architectures and use different training databases,
validating their approach on a database of 1.872 near infrared iris images and
on a mobile phone image database. They also use quality assessment, visual
results and recognition experiments to verify if the photo-realism provided by
the CNNs which have already proven to be effective for natural images can
reflect in a better recognition rate for iris recognition. The results show
that using deeper architectures trained with texture databases that provide a
balance between edge preservation and the smoothness of the method can lead to
good results in the iris recognition process.
- Abstract(参考訳): 近年,携帯電話や監視ビデオなど,よりリラックスした取得条件を取り入れた低解像度画像の利用が,虹彩認識においてますます一般的になりつつある。
同時に、特に畳み込みニューラルネットワーク(CNN)の使用により、多数の単一画像超解像技術が出現している。
これらの手法の主な目的は、cnnアーキテクチャとトレーニングアプローチに基づく客観的関数の最適化に基づいて、よりフォトリアリスティックな画像を生成するテクスチャの詳細を復元することである。
本研究では, 虹彩認識のためのCNNを用いて, 単一画像の超解像を探索する。
そのため、異なるCNNアーキテクチャをテストし、異なるトレーニングデータベースを使用し、近赤外線虹彩画像と携帯電話画像データベースの1.872のデータベースに対するアプローチを検証する。
また、品質評価、視覚的結果、認識実験を用いて、既に自然画像に効果があることが証明されたcnnによるフォトリアリズムが、虹彩認識をより良く認識できるかどうかを検証する。
その結果, エッジ保存と平滑化のバランスを保ち, テクスチャデータベースで訓練したより深いアーキテクチャを用いることで, 虹彩認識プロセスの良好な結果が得られることがわかった。
関連論文リスト
- 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) - Detecting Generated Images by Real Images Only [64.12501227493765]
既存の画像検出手法は、生成画像中の視覚的アーティファクトを検出したり、大規模なトレーニングによって、実画像と生成画像の両方から識別的特徴を学習する。
本稿では,新たな視点から生成した画像検出問題にアプローチする。
実画像の共通性を見つけ、特徴空間内の密接な部分空間にマッピングすることで、生成した画像は生成モデルに関係なくサブ空間の外側に投影される。
論文 参考訳(メタデータ) (2023-11-02T03:09:37Z) - Precise localization of corneal reflections in eye images using deep
learning trained on synthetic data [9.150553995510217]
眼球画像中の1つの角膜反射(CR)の中心を正確に位置決めする深層学習法を提案する。
我々は、シミュレーションデータのみを用いてトレーニングされた畳み込みニューラルネットワーク(CNN)を使用している。
提案手法はCR中心位置決めの高精度な手法を提供し,データ可用性問題に対する解決策を提供する。
論文 参考訳(メタデータ) (2023-04-12T07:49:21Z) - Super-Resolution and Image Re-projection for Iris Recognition [67.42500312968455]
異なるディープラーニングアプローチを用いた畳み込みニューラルネットワーク(CNN)は、解像度の低い画像から現実的なテクスチャときめ細かい詳細を復元しようとする。
本研究は、虹彩認識環境における虹彩超解法(SR)に対するこれらのアプローチの実現可能性について検討する。
その結果,CNNと画像再投影は,認識システムの精度向上に有効であることが示唆された。
論文 参考訳(メタデータ) (2022-10-20T09:46:23Z) - Facial Masks and Soft-Biometrics: Leveraging Face Recognition CNNs for
Age and Gender Prediction on Mobile Ocular Images [53.913598771836924]
スマートフォンで撮影した自撮り眼画像を使って年齢や性別を推定します。
ImageNet Challengeの文脈で提案された2つの既存の軽量CNNを適応させる。
一部のネットワークは顔認識のためにさらにトレーニングされており、非常に大規模なトレーニングデータベースが利用可能です。
論文 参考訳(メタデータ) (2021-03-31T01:48:29Z) - Exploiting Raw Images for Real-Scene Super-Resolution [105.18021110372133]
本稿では,合成データと実撮影画像とのギャップを埋めるために,実シーンにおける単一画像の超解像化の問題について検討する。
本稿では,デジタルカメラの撮像過程を模倣して,よりリアルなトレーニングデータを生成する手法を提案する。
また、原画像に記録された放射情報を活用するために、2分岐畳み込みニューラルネットワークを開発した。
論文 参考訳(メタデータ) (2021-02-02T16:10:15Z) - Detecting CNN-Generated Facial Images in Real-World Scenarios [15.755089410308647]
本研究では,実環境下での検出手法を評価するためのフレームワークを提案する。
また,提案フレームワークを用いた最先端検出手法の評価を行った。
この結果から,CNNに基づく検出手法は実世界のシナリオで使用するには不十分であることが示唆された。
論文 参考訳(メタデータ) (2020-05-12T09:18:28Z)
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。