論文の概要: PIC-Score: Probabilistic Interpretable Comparison Score for Optimal
Matching Confidence in Single- and Multi-Biometric (Face) Recognition
- arxiv url: http://arxiv.org/abs/2211.12483v3
- Date: Fri, 21 Apr 2023 16:31:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-24 17:48:50.819327
- Title: PIC-Score: Probabilistic Interpretable Comparison Score for Optimal
Matching Confidence in Single- and Multi-Biometric (Face) Recognition
- Title(参考訳): pic-score:複数生体認証における最適一致信頼度のための確率的解釈可能な比較スコア
- Authors: Pedro C. Neto, Ana F. Sequeira, Jaime S. Cardoso, Philipp Terh\"orst
- Abstract要約: 確率論的解釈可能比較(PIC)スコアは,そのスコアが同一アイデンティティのサンプルから生じる確率を正確に反映する。
提案手法が最適一致自信を与えることを示す。
その結果、PICは類似したアプローチよりもはるかに正確な確率論的解釈を持ち、マルチバイオメトリック認識に非常に有効であることが示されている。
- 参考スコア(独自算出の注目度): 2.3513645401551333
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the context of biometrics, matching confidence refers to the confidence
that a given matching decision is correct. Since many biometric systems operate
in critical decision-making processes, such as in forensics investigations,
accurately and reliably stating the matching confidence becomes of high
importance. Previous works on biometric confidence estimation can well
differentiate between high and low confidence, but lack interpretability.
Therefore, they do not provide accurate probabilistic estimates of the
correctness of a decision. In this work, we propose a probabilistic
interpretable comparison (PIC) score that accurately reflects the probability
that the score originates from samples of the same identity. We prove that the
proposed approach provides optimal matching confidence. Contrary to other
approaches, it can also optimally combine multiple samples in a joint PIC score
which further increases the recognition and confidence estimation performance.
In the experiments, the proposed PIC approach is compared against all biometric
confidence estimation methods available on four publicly available databases
and five state-of-the-art face recognition systems. The results demonstrate
that PIC has a significantly more accurate probabilistic interpretation than
similar approaches and is highly effective for multi-biometric recognition. The
code is publicly-available.
- Abstract(参考訳): 生体認証学の文脈では、信頼の一致とは、与えられた一致した決定が正しいという自信を指す。
多くの生体認証システムは、法医学的な調査などの重要な意思決定プロセスで運用されているため、信頼の一致を正確かつ確実に述べることが重要となる。
バイオメトリックな信頼度推定に関する以前の研究は、高い信頼度と低い信頼度をよく区別するが、解釈可能性に欠ける。
したがって、決定の正しさの正確な確率的推定は提供されない。
本研究では,確率論的解釈可能比較(PIC)スコアを提案し,そのスコアが同一のアイデンティティのサンプルから生じる確率を正確に反映する。
提案手法が最適一致信頼度をもたらすことを実証する。
他の手法とは対照的に、複数のサンプルを共同PICスコアに最適に組み合わせることで、認識および信頼度推定性能をさらに向上させることができる。
実験では、4つの公開データベースと5つの最先端顔認識システムで利用可能な全ての生体信頼度推定手法と比較した。
その結果、PICは類似したアプローチよりもはるかに正確な確率論的解釈を持ち、マルチバイオメトリック認識に非常に有効であることが示されている。
コードは公開されている。
関連論文リスト
- PaRCE: Probabilistic and Reconstruction-based Competency Estimation for CNN-based Image Classification [0.10923877073891446]
確率的・再構成型能力推定法(PaRCE)を開発した。
本手法は, 異常領域を有するOODサンプルを正しく分類し, 誤分類し, 識別するのが最適であることがわかった。
本手法は,認識モデル信頼度という全体論的概念を最も確実に捉えた解釈可能なスコアを生成する。
論文 参考訳(メタデータ) (2024-11-22T22:08:57Z) - On the Estimation of Image-matching Uncertainty in Visual Place Recognition [7.769607568805291]
ビジュアルプレース認識(VPR)では、画像と参照画像のマップと既知の参照ポーズとを比較して、クエリ画像のポーズを推定する。
この研究は、画像マッチングの不確実性を推定するための主要なアプローチを初めて比較した。
簡単なベースライン法であるSUE'を定式化し、他の方法と異なり、地図上の参照画像の自由なポーズを考える。
論文 参考訳(メタデータ) (2024-03-31T03:24:48Z) - Binary Classification with Confidence Difference [100.08818204756093]
本稿では,信頼性差分法 (ConfDiff) という,弱教師付き二項分類問題について考察する。
本稿では,この問題に対処するためのリスク一貫性のあるアプローチを提案し,推定誤差が最適収束率と一致することを示す。
また,整合性や収束率も証明されたオーバーフィッティング問題を緩和するためのリスク補正手法も導入する。
論文 参考訳(メタデータ) (2023-10-09T11:44:50Z) - Fast Entropy-Based Methods of Word-Level Confidence Estimation for
End-To-End Automatic Speech Recognition [86.21889574126878]
本研究では,フレーム単位のエントロピー値を正規化して集約し,単位単位当たりの信頼度と単語毎の信頼度を求める方法を示す。
提案手法をLibriSpeechテストセット上で評価した結果,最大フレーム当たりの信頼度推定値の最大値から,信頼度推定値の最大値の最大値の最大値の最大値の最大値の2倍,4倍の精度を示した。
論文 参考訳(メタデータ) (2022-12-16T20:27:40Z) - Theory of versatile fidelity estimation with confidence [1.9573380763700712]
本稿では,任意の特定の測定設定に対して,ほぼ最小限の信頼区間を持つ推定器を構成する手法を提案する。
理論的および数値的な結果を組み合わせることで,提案手法の様々な望ましい特性を実証する。
我々の手法は、同じ保証でオブザーバブルの期待値を推定するためにも利用できる。
論文 参考訳(メタデータ) (2021-12-15T08:03:05Z) - PDC-Net+: Enhanced Probabilistic Dense Correspondence Network [161.76275845530964]
高度確率密度対応ネットワーク(PDC-Net+)は、精度の高い高密度対応を推定できる。
我々は、堅牢で一般化可能な不確実性予測に適したアーキテクチャと強化されたトレーニング戦略を開発する。
提案手法は,複数の挑戦的幾何マッチングと光学的フローデータセットに対して,最先端の結果を得る。
論文 参考訳(メタデータ) (2021-09-28T17:56:41Z) - Handling Epistemic and Aleatory Uncertainties in Probabilistic Circuits [18.740781076082044]
確率的推論の大規模クラスを扱うアプローチの背後にある独立性の仮定を克服する手法を提案する。
ベイズ学習のアルゴリズムは、完全な観察にもかかわらず、スパースから提供します。
そのような回路の各リーフは、不確実な確率を表すエレガントなフレームワークを提供するベータ分散ランダム変数でラベル付けされています。
論文 参考訳(メタデータ) (2021-02-22T10:03:15Z) - An evaluation of word-level confidence estimation for end-to-end
automatic speech recognition [70.61280174637913]
エンドツーエンド自動音声認識(ASR)における信頼度推定の検討
4つのよく知られた音声データセットにおける信頼度手法の広範なベンチマークを提供する。
以上の結果から,ロジットを学習温度でスケーリングすることで,強いベースラインが得られることが示唆された。
論文 参考訳(メタデータ) (2021-01-14T09:51:59Z) - Uncertainty-Aware Few-Shot Image Classification [118.72423376789062]
ラベル付き限られたデータから新しいカテゴリを認識できる画像分類はほとんどない。
画像分類のための不確実性を考慮したFew-Shotフレームワークを提案する。
論文 参考訳(メタデータ) (2020-10-09T12:26:27Z) - Evaluating probabilistic classifiers: Reliability diagrams and score
decompositions revisited [68.8204255655161]
確率的に統計的に一貫性があり、最適に結合し、再現可能な信頼性図を自動生成するCORP手法を導入する。
コーパスは非パラメトリックアイソトニック回帰に基づいており、プール・アジャセント・ヴァイオレータ(PAV)アルゴリズムによって実装されている。
論文 参考訳(メタデータ) (2020-08-07T08:22:26Z)
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。