Fugu-MT 論文翻訳(概要): Palm Vein Recognition via Multi-task Loss Function and Attention Layer

論文の概要: Palm Vein Recognition via Multi-task Loss Function and Attention Layer

arxiv url: http://arxiv.org/abs/2211.05970v1
Date: Fri, 11 Nov 2022 02:32:49 GMT
ステータス: 処理完了
システム内更新日: 2022-11-14 15:49:21.725147
Title: Palm Vein Recognition via Multi-task Loss Function and Attention Layer
Title（参考訳）: マルチタスク損失機能と注意層を用いた手のひら静脈認識
Authors: Jiashu Lou, Jie zou, Baohua Wang
Abstract要約: 本稿では,VGG-16伝達学習の融合注意機構に基づく畳み込みニューラルネットワークを,赤外線ヤシ静脈データセットの特徴抽出ネットワークとして利用する。モデルのロバスト性を検証するため、異なるソースからのデータセットに対していくつかの実験を行った。同時に、マッチングは高効率であり、ヤシ静脈対あたり平均0.13秒かかる。
参考スコア（独自算出の注目度）: 3.265773263570237
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: With the improvement of arithmetic power and algorithm accuracy of personal devices, biological features are increasingly widely used in personal identification, and palm vein recognition has rich extractable features and has been widely studied in recent years. However, traditional recognition methods are poorly robust and susceptible to environmental influences such as reflections and noise. In this paper, a convolutional neural network based on VGG-16 transfer learning fused attention mechanism is used as the feature extraction network on the infrared palm vein dataset. The palm vein classification task is first trained using palmprint classification methods, followed by matching using a similarity function, in which we propose the multi-task loss function to improve the accuracy of the matching task. In order to verify the robustness of the model, some experiments were carried out on datasets from different sources. Then, we used K-means clustering to determine the adaptive matching threshold and finally achieved an accuracy rate of 98.89% on prediction set. At the same time, the matching is with high efficiency which takes an average of 0.13 seconds per palm vein pair, and that means our method can be adopted in practice.
Abstract（参考訳）: 個人機器の演算能力とアルゴリズム精度の向上により, 生体的特徴が個人識別に広く利用され, 手のひら静脈認識は抽出可能な特徴量が多く, 近年, 広く研究されている。しかし、従来の認識手法は頑丈で、反射や騒音などの環境の影響を受けやすい。本稿では,VGG-16伝達学習の融合注意機構に基づく畳み込みニューラルネットワークを,赤外線ヤシ静脈データセットの特徴抽出ネットワークとして利用する。パーム静脈分類タスクは,まずパームプリント分類法を用いて訓練し,その後類似度関数を用いてマッチングし,マッチングタスクの精度を向上させるマルチタスク損失関数を提案する。モデルのロバスト性を検証するため、異なるソースからのデータセットに対していくつかの実験を行った。次に,適応マッチング閾値を決定するためにK平均クラスタリングを用い,予測セットの精度98.89%を達成した。同時に、マッチングは、ヤシ静脈対あたり平均0.13秒の効率が高く、つまり、我々の手法を実際に適用できることを意味している。

関連論文リスト

Robustly Optimized Deep Feature Decoupling Network for Fatty Liver Diseases Detection [18.24448979368885]
現在の医用画像分類の取り組みは主に、より高い平均性能を目指しています。大量のデータをサポートせずに、深層学習は脂肪肝のきめ細かい分類の課題に直面している。本稿では,機能分離と適応的対人訓練を組み合わせた革新的なディープラーニングフレームワークを提案する。
論文参考訳（メタデータ） (2024-06-25T07:50:09Z)
Deep Homography Estimation for Visual Place Recognition [49.235432979736395]
本稿では,変換器を用いたディープホモグラフィー推定(DHE)ネットワークを提案する。バックボーンネットワークによって抽出された濃密な特徴写像を入力とし、高速で学習可能な幾何的検証のためにホモグラフィーに適合する。ベンチマークデータセットを用いた実験により,本手法はいくつかの最先端手法より優れていることが示された。
論文参考訳（メタデータ） (2024-02-25T13:22:17Z)
Sequential Attention Source Identification Based on Feature Representation [88.05527934953311]
本稿では,テンポラルシーケンスに基づくグラフ注意源同定(TGASI)と呼ばれるシーケンス・ツー・シーケンス・ベースのローカライズ・フレームワークを提案する。なお、このインダクティブラーニングのアイデアは、TGASIが他の事前の知識を知らずに新しいシナリオのソースを検出できることを保証する。
論文参考訳（メタデータ） (2023-06-28T03:00:28Z)
Fake It Till You Make It: Near-Distribution Novelty Detection by Score-Based Generative Models [54.182955830194445]
既存のモデルは、いわゆる"近く分布"設定で失敗するか、劇的な低下に直面します。本稿では, スコアに基づく生成モデルを用いて, 合成近分布異常データを生成することを提案する。本手法は,9つのノベルティ検出ベンチマークにおいて,近分布ノベルティ検出を6%改善し,最先端のノベルティ検出を1%から5%パスする。
論文参考訳（メタデータ） (2022-05-28T02:02:53Z)
Arrhythmia Classifier Using Convolutional Neural Network with Adaptive Loss-aware Multi-bit Networks Quantization [4.8538839251819486]
メモリ消費を23.36倍に削減する高圧縮率を実現する1次元適応型ロスアウェア量子化を提案する。我々は、MIT-BIHデータセットで訓練された17種類のリズムクラスを分類するために、17層のエンドツーエンドニューラルネットワーク分類器を提案する。本研究は,ハードウェアフレンドリーで,ウェアラブルデバイスに展開可能な1次元畳み込みニューラルネットワークを実現する。
論文参考訳（メタデータ） (2022-02-27T14:26:41Z)
Exploring Covariate and Concept Shift for Detection and Calibration of Out-of-Distribution Data [77.27338842609153]
キャラクタリゼーションにより、OODデータの検出と信頼性校正には、それぞれのシフトに対する感度が重要であることが明らかになった。分布内データのみを用いて両シフトでのOOD検出を改善するために,幾何学的に着想を得た手法を提案する。我々は,OOD検出とキャリブレーションの両面で,異なるタイプのシフトの下でうまく機能する手法を最初に提案する。
論文参考訳（メタデータ） (2021-10-28T15:42:55Z)
Meta Learning Low Rank Covariance Factors for Energy-Based Deterministic Uncertainty [58.144520501201995]
ニューラルネットワーク層のBi-Lipschitz正規化は、各レイヤの特徴空間におけるデータインスタンス間の相対距離を保存する。注意セットエンコーダを用いて,タスク固有の共分散行列を効率的に構築するために,対角的,対角的,低ランクな要素のメタ学習を提案する。また,最終的な予測分布を達成するために,スケールしたエネルギーを利用する推論手法を提案する。
論文参考訳（メタデータ） (2021-10-12T22:04:19Z)
Classification of Upper Arm Movements from EEG signals using Machine Learning with ICA Analysis [0.0]
本稿では,多層パーセプトロンニューラルネットワークを用いて,左右の動作を識別する独自のアルゴリズムを提案する。不要信号の干渉は、アルゴリズムの性能に影響を与える脳波信号を汚染する。
論文参考訳（メタデータ） (2021-07-18T18:56:28Z)
Meta-learning One-class Classifiers with Eigenvalue Solvers for Supervised Anomaly Detection [55.888835686183995]
教師付き異常検出のためのニューラルネットワークに基づくメタラーニング手法を提案する。提案手法は,既存の異常検出法や少数ショット学習法よりも優れた性能を実現することを実験的に実証した。
論文参考訳（メタデータ） (2021-03-01T01:43:04Z)
Towards Creating a Deployable Grasp Type Probability Estimator for a Prosthetic Hand [11.008123712007402]
InceptionV3は0.95角類似度で最高精度を達成し、1.4 MobileNetV2は0.93で動作量は20%である。我々の研究は、機械学習とコンピュータビジョンによるEMGインテント推論を物理的状態の確率で拡張することを可能にする。
論文参考訳（メタデータ） (2021-01-13T21:39:41Z)
ROSE: Real One-Stage Effort to Detect the Fingerprint Singular Point Based on Multi-scale Spatial Attention [7.711679004460418]
本稿では,指紋特異点をより高精度かつ効率的に検出するためのリアルワンステージ評価法を提案する。本稿では,マルチスケール空間アテンション,ガウス熱マップ,焦点損失の変種を併用した提案アルゴリズム ROSE を簡潔に命名する。 FVC2002 DB1 と NIST SD4 による実験結果から,ROSE は検出速度,誤警報速度,検出速度において最先端のアルゴリズムよりも優れていた。
論文参考訳（メタデータ） (2020-03-09T04:16:31Z)

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。