論文の概要: Longitudinal Performance of Iris Recognition in Children: Time Intervals
up to Six years
- arxiv url: http://arxiv.org/abs/2303.12720v1
- Date: Fri, 10 Mar 2023 01:39:09 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-26 04:18:11.989782
- Title: Longitudinal Performance of Iris Recognition in Children: Time Intervals
up to Six years
- Title（参考訳）: 小児における虹彩認識の経時的パフォーマンス : 最大6年間の経時的変化
- Authors: Priyanka Das, Naveen G Venkataswamy, Laura Holsopple, Masudul H
Imtiaz, Michael Schuckers and Stephanie Schuckers
- Abstract要約: 子どもの虹彩認識能力の時間的安定性に関する知識基盤のギャップは,世界規模での応用における意思決定に影響を与えている。
本報告は,4歳から17歳までの6.5年間に同一児230名から得られたデータを用いた小児の縦断的虹彩認識能力について,最も広範な分析を行ったものである。
一致スコアの評価,変動因子の統計的モデリング,および偽拒絶の根本原因の詳細な評価は,加齢による虹彩認識性能に影響を与えない。
- 参考スコア（独自算出の注目度）: 2.854451361373021
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The temporal stability of iris recognition performance is core to its success
as a biometric modality. With the expanding horizon of applications for
children, gaps in the knowledge base on the temporal stability of iris
recognition performance in children have impacted decision-making during
applications at the global scale. This report presents the most extensive
analysis of longitudinal iris recognition performance in children with data
from the same 230 children over 6.5 years between enrollment and query for ages
4 to 17 years. Assessment of match scores, statistical modelling of variability
factors impacting match scores and in-depth assessment of the root causes of
the false rejections concludes no impact on iris recognition performance due to
aging.
- Abstract（参考訳）: iris認識性能の時間的安定性は、バイオメトリックモダリティとしての成功の中核である。
子どものアイリス認識能力の時間的安定性に関する知識基盤のギャップは,子どもの応用の地平線が拡大するにつれて,世界規模での意思決定に影響を及ぼしている。
本報告は,4歳から17歳までの6.5年間に同一児230名のデータを用いた小児における縦断的虹彩認識能力の最も広範な分析である。
一致スコアの評価,変動因子の統計的モデリング,および偽拒絶の根本原因の詳細な評価は,加齢による虹彩認識性能に影響を与えない。
関連論文リスト
- Longitudinal Evaluation of Child Face Recognition and the Impact of Underlying Age [1.290382979353427]
様々な新興アプリケーションにおける子供の信頼できる識別の必要性が、子供の顔認証技術を活用したいという関心を喚起している。
本研究は,クラークソン大学CITeR研究グループによって収集されたYFAデータベースを6ヶ月間隔で収集した。
論文 参考訳（メタデータ） (2024-08-01T19:40:55Z) - Synthetic Face Ageing: Evaluation, Analysis and Facilitation of Age-Robust Facial Recognition Algorithms [1.0499611180329804]
顔認識モデルのロバスト性を向上させるため,合成年齢データの利用の可能性を検討する。
合成老化画像を用いた画像の認識率は, 年齢差40歳以上の画像において, ベースラインモデルの結果よりも3.33%高い値を示した。
論文 参考訳（メタデータ） (2024-06-10T14:27:36Z) - On the Identification of Temporally Causal Representation with Instantaneous Dependence [50.14432597910128]
時間的因果表現学習は時系列観測から潜在因果過程を特定することを目的としている。
ほとんどの方法は、潜在因果過程が即時関係を持たないという仮定を必要とする。
我々は,インスタントtextbfOus textbfLatent dynamics のための textbfIDentification フレームワークを提案する。
論文 参考訳（メタデータ） (2024-05-24T08:08:05Z) - Experimental analysis regarding the influence of iris segmentation on
the recognition rate [64.02126624793775]
著者らは, 土台真実に基づくセグメンテーション精度が, 虹彩生体計測ツールチェーン全体の性能予測に有効かどうかを検討する。
論文 参考訳（メタデータ） (2022-11-10T11:59:51Z) - Evaluating Temporal Patterns in Applied Infant Affect Recognition [5.312541762281102]
本稿では,幼児とロボットの相互作用の文脈における分類性能に影響を及ぼす時間的パターンについて述べる。
乳幼児は顔と体の特徴の両方を用いて認識分類器に影響を及ぼすよう訓練した。
パフォーマンスが経時的にどのように変化したかを評価するため,ベストパフォーマンスモデルについて詳細な分析を行った。
論文 参考訳（メタデータ） (2022-09-07T23:29:15Z) - Time flies by: Analyzing the Impact of Face Ageing on the Recognition
Performance with Synthetic Data [18.47822752527376]
本研究は,オープンソースのバイオメトリック認識システムの性能に及ぼす加齢の影響について考察する。
本研究の主目的は,1～5年間の短期年齢が一般認知能力にわずかに影響を及ぼすことである。
論文 参考訳（メタデータ） (2022-08-17T10:28:27Z) - Face Recognition In Children: A Longitudinal Study [3.3504365823045044]
幼児の短年齢群における顔認識システムの性能を解析するためのヤングフェイスエイジングデータセットについて紹介する。
以上の結果から,YFAおよびMagFaceを用いた顔認証実験は,6カ月間,36ヵ月間,0.1% FARで98.3%,94.9%のTARを示した。
論文 参考訳（メタデータ） (2022-04-04T18:00:45Z) - LAE : Long-tailed Age Estimation [52.5745217752147]
まず、簡単な標準ベースラインを定式化し、事前トレーニング、データ拡張、モデルアーキテクチャなどのトリックを収集することで、はるかに強力なベースラインを構築します。
標準ベースラインと比較して,提案手法は推定誤差を著しく低減する。
本稿では,Long-tailed Age Estimation (LAE) という2段階の学習手法を提案する。
論文 参考訳（メタデータ） (2021-10-25T09:05:44Z) - 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) - Age Gap Reducer-GAN for Recognizing Age-Separated Faces [72.26969872180841]
本稿では,年齢変化に伴う顔と時間変化をマッチングする新しいアルゴリズムを提案する。
提案手法は,顔の年齢推定と年齢別顔の検証を組み合わせた統合フレームワークである。
論文 参考訳（メタデータ） (2020-11-11T16:43:32Z) - Child Face Age-Progression via Deep Feature Aging [47.74474569938014]
本稿では,顔マーカによって出力される深層顔の特徴を経時変化させる機能老化モジュールを提案する。
提案手法は、ランク1の識別率95.91%で最先端の手法よりも優れている。
論文 参考訳（メタデータ） (2020-03-17T23:03:46Z)
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。