論文の概要: Empirical Assessment of End-to-End Iris Recognition System Capacity
- arxiv url: http://arxiv.org/abs/2303.12742v1
- Date: Mon, 20 Mar 2023 14:49:10 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-23 13:29:22.626169
- Title: Empirical Assessment of End-to-End Iris Recognition System Capacity
- Title（参考訳）: エンド・ツー・エンド虹彩認識システム能力の実証評価
- Authors: Priyanka Das, Richard Plesh, Veeru Talreja, Natalia Schmid, Matthew
Valenti, Joseph Skufca, Stephanie Schuckers
- Abstract要約: 本研究では,6つのシステムパラメータが虹彩認識システムの制約容量に与える影響について検討した。
我々は、24の異なるシステム構成ごとに5158のユニークなIDから132万の比較を分析した。
- 参考スコア（独自算出の注目度）: 3.3711670942444014
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Iris is an established modality in biometric recognition applications
including consumer electronics, e-commerce, border security, forensics, and
de-duplication of identity at a national scale. In light of the expanding usage
of biometric recognition, identity clash (when templates from two different
people match) is an imperative factor of consideration for a system's
deployment. This study explores system capacity estimation by empirically
estimating the constrained capacity of an end-to-end iris recognition system
(NIR systems with Daugman-based feature extraction) operating at an acceptable
error rate i.e. the number of subjects a system can resolve before encountering
an error. We study the impact of six system parameters on an iris recognition
system's constrained capacity -- number of enrolled identities, image quality,
template dimension, random feature elimination, filter resolution, and system
operating point. In our assessment, we analyzed 13.2 million comparisons from
5158 unique identities for each of 24 different system configurations. This
work provides a framework to better understand iris recognition system capacity
as a function of biometric system configurations beyond the operating point,
for large-scale applications.
- Abstract（参考訳）: irisは、消費者電子製品、電子商取引、国境警備、法医学、および国家規模でのアイデンティティの非重複を含む生体認証アプリケーションにおける確立されたモダリティである。
生体認証の利用が拡大していることを踏まえると、アイデンティティ衝突(2人の異なる人のテンプレートが一致するとき)はシステムのデプロイに考慮すべき重要な要素である。
本研究では,エンド・ツー・エンドの虹彩認識システム (nirシステム, ドーグマン型特徴抽出システム) の許容誤差率,すなわち, システムがエラーに遭遇する前に解決できる被写体数を経験的に推定することにより, システム容量の推定を考察する。
本研究では,6つのシステムパラメータがアイリス認識システムの制約容量,登録ID数,画像品質,テンプレート次元,ランダム特徴除去,フィルタ分解能,システム動作点に与える影響について検討する。
評価では,24種類のシステム構成のそれぞれについて,5158のユニークなIDから132万の比較を行った。
本研究は,大規模アプリケーションのための生体認証システム構成の機能として,虹彩認識システムの能力をより理解するための枠組みを提供する。
関連論文リスト
- Impact of Iris Pigmentation on Performance Bias in Visible Iris Verification Systems: A Comparative Study [6.639785884921617]
生体認証システムの有効性に対する虹彩色素化の影響について検討し,青と暗の虹彩の比較分析に焦点をあてた。
以上の結果から,虹彩認識システムは一般的に暗黒の虹彩に比べて青色の虹彩に対して高い精度を示すことが示唆された。
本分析では,虹彩色とデバイス間変動に関する認識性能に固有のバイアスを同定する。
論文 参考訳（メタデータ） (2024-11-13T10:15:27Z) - Uniqueness of Iris Pattern Based on AR Model [4.236277880658203]
アイリスの独特性に対するダウグマンのアプローチは、最も広く受け入れられた1つとして際立っている。
本稿では,虹彩認識システムのスケーラビリティを評価する手法を提案するとともに,虹彩品質を計測する手法を提案する。
論文 参考訳（メタデータ） (2023-06-21T21:17:03Z) - Interactive System-wise Anomaly Detection [66.3766756452743]
異常検出は様々なアプリケーションにおいて基本的な役割を果たす。
既存のメソッドでは、インスタンスがデータとして容易に観察できないシステムであるシナリオを扱うのが難しい。
システム埋め込みを学習するエンコーダデコーダモジュールを含むエンドツーエンドアプローチを開発する。
論文 参考訳（メタデータ） (2023-04-21T02:20:24Z) - Deep Learning for Iris Recognition: A Review [7.884782855865438]
虹彩認識は他の生体認証法よりも信頼性が高く、外部要因の影響を受けにくいと考えられている。
従来の機械学習ベースの虹彩認識方法とは異なり、ディープラーニング技術は機能工学に頼らず、優れたパフォーマンスを誇っている。
本稿では,深層学習に基づく虹彩認識の展開を要約するために120の関連論文を収集した。
論文 参考訳（メタデータ） (2023-03-15T10:45:21Z) - Quality-Based Conditional Processing in Multi-Biometrics: Application to
Sensor Interoperability [63.05238390013457]
2007年のバイオセキュリティ・マルチモーダル・アセスメント・キャンペーンにおいて,ATVS-UAM融合手法を品質ベースで評価し,評価を行った。
我々のアプローチは線形ロジスティック回帰に基づいており、融合したスコアはログライクな比率になる傾向にある。
その結果,提案手法はルールベースの核融合方式よりも優れていることがわかった。
論文 参考訳（メタデータ） (2022-11-24T12:11:22Z) - Benchmarking Quality-Dependent and Cost-Sensitive Score-Level Multimodal
Biometric Fusion Algorithms [58.156733807470395]
本稿では,BioSecure DS2 (Access Control) 評価キャンペーンの枠組み内で実施したベンチマーク研究について報告する。
キャンペーンは、約500人の中規模施設における物理的アクセス制御の適用を目標とした。
我々の知る限りでは、これは品質ベースのマルチモーダル融合アルゴリズムをベンチマークする最初の試みである。
論文 参考訳（メタデータ） (2021-11-17T13:39:48Z) - 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) - Harnessing Unrecognizable Faces for Face Recognition [87.80037162457427]
本稿では,顔画像の認識可能性の尺度を提案し,主に認識可能なアイデンティティを用いて訓練されたディープニューラルネットワークによって実現された。
FAR=1e-5において,認識可能性を考慮した場合,単画像認識の誤り率を58%減少させることを示す。
論文 参考訳（メタデータ） (2021-06-08T05:25:03Z) - Biometrics: Trust, but Verify [49.9641823975828]
バイオメトリック認識は、世界中のさまざまなアプリケーションに爆発しました。
生体認証システムの様々なサブモジュールに関する多くの顕著な問題と懸念があります。
論文 参考訳（メタデータ） (2021-05-14T03:07:25Z) - An approach to human iris recognition using quantitative analysis of
image features and machine learning [0.5243460995467893]
本稿では,虹彩認識のための効率的なフレームワークを4段階に分けて提案する。
その結果、提案手法は99.64%の精度で信頼性の高い予測を行うことができることを確認した。
論文 参考訳（メタデータ） (2020-09-12T23:23:33Z)
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。