Fugu-MT 論文翻訳(概要): Uniqueness of Iris Pattern Based on AR Model

論文の概要: Uniqueness of Iris Pattern Based on AR Model

arxiv url: http://arxiv.org/abs/2306.12572v1
Date: Wed, 21 Jun 2023 21:17:03 GMT
ステータス: 処理完了
システム内更新日: 2023-06-23 16:03:52.865549
Title: Uniqueness of Iris Pattern Based on AR Model
Title（参考訳）: ARモデルに基づくアイリスパターンの特異性
Authors: Katelyn M. Hampel, Jinyu Zuo, Priyanka Das, Natalia A. Schmid, Stephanie Schuckers, Joseph Skufca, and Matthew C. Valenti
Abstract要約: 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。
参考スコア（独自算出の注目度）: 4.236277880658203
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The assessment of iris uniqueness plays a crucial role in analyzing the capabilities and limitations of iris recognition systems. Among the various methodologies proposed, Daugman's approach to iris uniqueness stands out as one of the most widely accepted. According to Daugman, uniqueness refers to the iris recognition system's ability to enroll an increasing number of classes while maintaining a near-zero probability of collision between new and enrolled classes. Daugman's approach involves creating distinct IrisCode templates for each iris class within the system and evaluating the sustainable population under a fixed Hamming distance between codewords. In our previous work [23], we utilized Rate-Distortion Theory (as it pertains to the limits of error-correction codes) to establish boundaries for the maximum possible population of iris classes supported by Daugman's IrisCode, given the constraint of a fixed Hamming distance between codewords. Building upon that research, we propose a novel methodology to evaluate the scalability of an iris recognition system, while also measuring iris quality. We achieve this by employing a sphere-packing bound for Gaussian codewords and adopting a approach similar to Daugman's, which utilizes relative entropy as a distance measure between iris classes. To demonstrate the efficacy of our methodology, we illustrate its application on two small datasets of iris images. We determine the sustainable maximum population for each dataset based on the quality of the images. By providing these illustrations, we aim to assist researchers in comprehending the limitations inherent in their recognition systems, depending on the quality of their iris databases.
Abstract（参考訳）: 虹彩特異性の評価は虹彩認識システムの能力と限界を分析する上で重要な役割を担っている。様々な方法論の中で、ダウグマンのアイリスの独特性へのアプローチは最も広く受け入れられている方法の一つである。 daugman氏によると、一意性は、新しいクラスと登録されたクラスの間の衝突の確率をほぼゼロに保ちながら、クラス数を増やすアイリス認識システムの能力を指す。 Daugmanのアプローチでは、システム内のアイリスクラスごとに個別のIrisCodeテンプレートを作成し、コードワード間の固定ハミング距離の下で持続可能な人口を評価する。先行研究 [23] では,コードワード間の固定ハミング距離の制約を考慮し,daugman の iriscode が支持する iris クラスの最大人口の境界を確立するために,レートゆがみ理論(誤り訂正符号の限界に関するもの)を用いた。そこで本研究では,虹彩認識システムのスケーラビリティを評価するとともに,虹彩品質を測定する新しい手法を提案する。ガウス符号語に対する球充填境界を採用し、相対エントロピーをアイリスクラス間の距離測度として用いるダウグマン法に似たアプローチを採用することでこれを達成する。本手法の有効性を示すために,アイリス画像の2つの小さなデータセットにその適用例を示す。画像の品質に基づいて,各データセットの持続可能な最大人口を決定する。これらの図示を提供することで, irisデータベースの品質に応じて, 研究者が認識システムに固有の制限を理解することを支援する。

関連論文リスト

On the Feasibility of Creating Iris Periocular Morphed Images [9.021226651004055]
本研究は、画像レベルで虹彩形態を生成するためのエンドツーエンドフレームワークを提案する。ペア対象の選択、セグメンテーション、形態形成、新しい虹彩認識システムなど、異なる段階を考慮する。その結果,従来の虹彩認識システムと混同できる非常にリアルな画像が得られた。
論文参考訳（メタデータ） (2024-08-24T06:48:46Z)
Empirical Assessment of End-to-End Iris Recognition System Capacity [3.3711670942444014]
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。
論文参考訳（メタデータ） (2023-03-20T14:49:10Z)
Artificial Pupil Dilation for Data Augmentation in Iris Semantic Segmentation [0.0]
現代の虹彩認識のアプローチでは、深層学習を用いて虹彩の有効部分を眼の他の部分から切り離す。本稿では,新しいデータ拡張手法を導入することにより,虹彩意味分節システムの精度を向上させることを目的とする。
論文参考訳（メタデータ） (2022-12-24T13:31:56Z)
Super-Resolution and Image Re-projection for Iris Recognition [67.42500312968455]
異なるディープラーニングアプローチを用いた畳み込みニューラルネットワーク(CNN)は、解像度の低い画像から現実的なテクスチャときめ細かい詳細を復元しようとする。本研究は、虹彩認識環境における虹彩超解法(SR)に対するこれらのアプローチの実現可能性について検討する。その結果,CNNと画像再投影は,認識システムの精度向上に有効であることが示唆された。
論文参考訳（メタデータ） (2022-10-20T09:46:23Z)
Compact multi-scale periocular recognition using SAFE features [63.48764893706088]
特徴拡張(SAFE)記述子による対称性評価に基づく眼周囲認識のための新しい手法を提案する。我々は、スクレラ中心を特徴抽出の単一キーポイントとして使用し、眼のこの点に集中するオブジェクトのようなアイデンティティ特性を強調します。
論文参考訳（メタデータ） (2022-10-18T11:46:38Z)
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)
Distribution Alignment: A Unified Framework for Long-tail Visual Recognition [52.36728157779307]
長尾視覚認識のための分散アライメント戦略を提案する。次に,二段階学習における一般化された再重み付け法を導入して,事前のクラスバランスをとる。提案手法は, 4つの認識タスクすべてにおいて, 単純で統一されたフレームワークを用いて最先端の結果を得る。
論文参考訳（メタデータ） (2021-03-30T14:09:53Z)
Unconstrained Periocular Recognition: Using Generative Deep Learning Frameworks for Attribute Normalization [2.5288257442251107]
本稿では,ディープラーニング生成フレームワークに基づく属性正規化戦略を提案する。これは、識別性を低下させることなく、ペア比較で使用されるサンプルの変動を減少させる。実験は2つの異なるデータセットで実施された。
論文参考訳（メタデータ） (2020-02-10T17:55:55Z)
Unsupervised Domain Adaptation in Person re-ID via k-Reciprocal Clustering and Large-Scale Heterogeneous Environment Synthesis [76.46004354572956]
個人再識別のための教師なし領域適応手法を提案する。実験結果から,ktCUDA法とSHRED法は,再同定性能において,+5.7 mAPの平均的改善を実現することがわかった。
論文参考訳（メタデータ） (2020-01-14T17:43:52Z)
Deep Learning for Person Re-identification: A Survey and Outlook [233.36948173686602]
人物再識別(Re-ID)は、複数の重複しないカメラを通して興味ある人物を検索することを目的としている。人物のRe-IDシステム開発に関わるコンポーネントを分離することにより、それをクローズドワールドとオープンワールドのセッティングに分類する。
論文参考訳（メタデータ） (2020-01-13T12:49:22Z)
Segmentation-Aware and Adaptive Iris Recognition [24.125681602124477]
アイリス画像の品質は、アイリスマッチング精度を劣化させることが知られている。眼周囲情報は本質的にそのような虹彩画像に埋め込まれており、そのような非理想的なシナリオ下で虹彩認識を支援するために利用することができる。本稿では,より精度の低いアイリス認識のためのセグメンテーション支援適応フレームワークを提案する。
論文参考訳（メタデータ） (2019-12-31T04:31:37Z)

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。