論文の概要: Advancing 3D finger knuckle recognition via deep feature learning

• arxiv url: http://arxiv.org/abs/2301.02934v1
• Date: Sat, 7 Jan 2023 20:55:16 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-10 17:00:22.464433
• Title: Advancing 3D finger knuckle recognition via deep feature learning
• Title（参考訳）: 深層特徴学習による3次元指ナックル認識の進歩
• Authors: Kevin H. M. Cheng, Xu Cheng, and Guoying Zhao
• Abstract要約: 接触のない3Dフィンガーナックルパターンは、識別性、距離からの視認性、利便性、利便性により、効果的な生体認証として出現している。 近年、ディープニューラルネットワークの中間機能を複数のスケールで同時に組み込むディープ・フィーチャー・コラボレーティブ・ネットワークが開発されている。 本稿では,3次元指のナックル画像を表現するために,最小次元の識別特徴ベクトルを学習する可能性を検討することにより,本手法を推し進める。
• 参考スコア（独自算出の注目度）: 51.871256510747465
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Contactless 3D finger knuckle patterns have emerged as an effective biometric identifier due to its discriminativeness, visibility from a distance, and convenience. Recent research has developed a deep feature collaboration network which simultaneously incorporates intermediate features from deep neural networks with multiple scales. However, this approach results in a large feature dimension, and the trained classification layer is required for comparing probe samples, which limits the introduction of new classes. This paper advances this approach by investigating the possibility of learning a discriminative feature vector with the least possible dimension for representing 3D finger knuckle images. Experimental results are presented using a publicly available 3D finger knuckle images database with comparisons to popular deep learning architectures and the state-of-the-art 3D finger knuckle recognition methods. The proposed approach offers outperforming results in classification and identification tasks under the more practical feature comparison scenario, i.e., using the extracted deep feature instead of the trained classification layer for comparing probe samples. More importantly, this approach can offer 99% reduction in the size of feature templates, which is highly attractive for deploying biometric systems in the real world. Experiments are also performed using other two public biometric databases with similar patterns to ascertain the effectiveness and generalizability of our proposed approach.
• Abstract（参考訳）: 無接触の3dフィンガーナックルパターンは、その識別性、距離からの視認性、利便性のために、効果的な生体認証として出現した。 近年,ディープニューラルネットワークの中間機能を複数のスケールで同時に組み込むディープフィーチャーコラボレーションネットワークが開発されている。 しかし,本手法は大きな特徴次元をもたらし,新しいクラスの導入を制限するプローブサンプルの比較には,訓練された分類層が必要である。 本稿では,3次元指のナックル画像を表すため,最小次元の識別特徴ベクトルを学習する可能性について検討する。 実験結果は3Dフィンガーナックル画像データベースを用いて,一般的なディープラーニングアーキテクチャや最先端の3Dフィンガーナックル認識手法との比較を行った。 提案手法は, より実用的な特徴比較シナリオ, すなわち, 抽出した深部特徴を, 試験試料の比較のために, 訓練した分類層ではなく, 抽出した深部特徴を用いて, 分類および識別タスクにおいて優れた結果を与える。 さらに重要なのは、このアプローチが機能テンプレートのサイズを99%削減できることです。 提案手法の有効性と一般化性を確認するために,類似パターンを持つ他の2つの公開バイオメトリックデータベースを用いて実験を行った。

関連論文リスト

• Fusion of Minutia Cylinder Codes and Minutia Patch Embeddings for Latent Fingerprint Recognition [1.534667887016089]
  本稿では,潜伏指紋認識に対する融合型局所マッチング手法を提案する。 提案されたアプローチは、これらの手作り機能と、最近提案された深層ニューラルネットワークの組み込み機能を多段階融合アプローチに統合する。
  論文  参考訳（メタデータ） (2024-03-24T14:29:41Z)
• Dual-Perspective Knowledge Enrichment for Semi-Supervised 3D Object Detection [55.210991151015534]
  本稿では, DPKE という新しい2次元知識豊か化手法を提案する。 我々のDPKEは、データパースペクティブと機能パースペクティブという2つの観点から、限られたトレーニングデータ、特にラベルなしデータの知識を豊かにしています。
  論文  参考訳（メタデータ） (2024-01-10T08:56:07Z)
• ALSO: Automotive Lidar Self-supervision by Occupancy estimation [70.70557577874155]
  本稿では,ポイントクラウド上で動作している深層知覚モデルのバックボーンを事前学習するための自己教師型手法を提案する。 中心となる考え方は、3Dポイントがサンプリングされる表面の再構成であるプリテキストタスクでモデルをトレーニングすることである。 直感的には、もしネットワークがわずかな入力ポイントのみを考慮し、シーン表面を再構築できるなら、おそらく意味情報の断片をキャプチャする。
  論文  参考訳（メタデータ） (2022-12-12T13:10:19Z)
• Towards Individual Grevy's Zebra Identification via Deep 3D Fitting and Metric Learning [2.004276260443012]
  本稿では,1つのパイプラインにおける種検出,3次元モデルフィッティング,およびメートル法学習の深層学習技術を組み合わせて,個体識別を行う。 SMALSTデータセットの小さな研究で、3Dモデルフィッティングの使用は確かに性能に有益であることを示す。 3D装着モデルのバックプロジェクションテクスチャは、2Dバウンディングボックスアプローチと比較して識別精度を48.0%から56.8%に改善した。
  論文  参考訳（メタデータ） (2022-06-05T20:44:54Z)
• Semi-Supervised Adversarial Recognition of Refined Window Structures for Inverse Procedural Fa\c{c}ade Modeling [17.62526990262815]
  本稿では,逆手続きモデルに組み込んだ半教師付き対角認識戦略を提案する。 既存の3Dモデリングソフトウェアの内部に、単純なプロシージャエンジンが構築され、きめ細かい窓のジオメトリが生成される。 公開されているファサード画像データセットを用いた実験により、提案したトレーニング戦略により、分類精度が約10%向上できることが判明した。
  論文  参考訳（メタデータ） (2022-01-22T06:34:48Z)
• TSGCNet: Discriminative Geometric Feature Learning with Two-Stream GraphConvolutional Network for 3D Dental Model Segmentation [141.2690520327948]
  2流グラフ畳み込みネットワーク(TSGCNet)を提案し、異なる幾何学的特性から多視点情報を学ぶ。 3次元口腔内スキャナーで得られた歯科モデルのリアルタイムデータセットを用いてTSGCNetの評価を行った。
  論文  参考訳（メタデータ） (2020-12-26T08:02:56Z)
• Generalized Iris Presentation Attack Detection Algorithm under Cross-Database Settings [63.90855798947425]
  プレゼンテーションアタックは、バイオメトリックなモダリティの大部分に大きな課題をもたらす。 本稿では,汎用的な深層学習に基づくプレゼンテーション攻撃検出ネットワークであるMVANetを提案する。 これはハイブリッドアルゴリズムの単純さと成功、あるいは複数の検出ネットワークの融合にインスパイアされている。
  論文  参考訳（メタデータ） (2020-10-25T22:42:27Z)
• 3D Facial Matching by Spiral Convolutional Metric Learning and a Biometric Fusion-Net of Demographic Properties [0.0]
  顔認識は広く受け入れられている生体認証ツールであり、顔には人物の身元に関する情報が多数含まれている。 本研究では,2ステップのニューラルベースパイプラインを用いて3次元顔形状と複数のDNA関連特性をマッチングする。 生体認証のための10倍のクロスバリデーションにより得られた結果は、複数の特性を組み合わせることでより強力な生体認証システムが得られることを示している。
  論文  参考訳（メタデータ） (2020-09-10T09:31:47Z)
• ReMarNet: Conjoint Relation and Margin Learning for Small-Sample Image Classification [49.87503122462432]
  ReMarNet(Relation-and-Margin Learning Network)と呼ばれるニューラルネットワークを導入する。 本手法は,上記2つの分類機構の双方において優れた性能を発揮する特徴を学習するために,異なるバックボーンの2つのネットワークを組み立てる。 4つの画像データセットを用いた実験により,本手法はラベル付きサンプルの小さな集合から識別的特徴を学習するのに有効であることが示された。
  論文  参考訳（メタデータ） (2020-06-27T13:50:20Z)

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。