論文の概要: RPG-Palm: Realistic Pseudo-data Generation for Palmprint Recognition
- arxiv url: http://arxiv.org/abs/2307.14016v1
- Date: Wed, 26 Jul 2023 07:57:56 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-27 13:08:44.982261
- Title: RPG-Palm: Realistic Pseudo-data Generation for Palmprint Recognition
- Title(参考訳): RPG-Palm:パルププリント認識のための実データ生成
- Authors: Lei Shen, Jianlong Jin, Ruixin Zhang, Huaen Li, Yingyi Zhang, Jingyun
Zhang, Shouhong Ding, Yang Zhao, Wei Jia
- Abstract要約: そこで本研究では,ヤシの指紋を大量に合成する現実的な擬似パルムプリント生成モデルを提案する。
我々のモデルは、TAR@FAR=1e-6の1:1$と1:3$のオープンセットプロトコルで、最先端のB'ezierPalmを5%以上、そして14%以上改善します。
この手法はArcFaceを100%の訓練データで上回り、実データフリーのパームプリント認識に近づきつつあることを示す。
- 参考スコア(独自算出の注目度): 24.94514444312514
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Palmprint recently shows great potential in recognition applications as it is
a privacy-friendly and stable biometric. However, the lack of large-scale
public palmprint datasets limits further research and development of palmprint
recognition. In this paper, we propose a novel realistic pseudo-palmprint
generation (RPG) model to synthesize palmprints with massive identities. We
first introduce a conditional modulation generator to improve the intra-class
diversity. Then an identity-aware loss is proposed to ensure identity
consistency against unpaired training. We further improve the B\'ezier palm
creases generation strategy to guarantee identity independence. Extensive
experimental results demonstrate that synthetic pretraining significantly
boosts the recognition model performance. For example, our model improves the
state-of-the-art B\'ezierPalm by more than $5\%$ and $14\%$ in terms of
TAR@FAR=1e-6 under the $1:1$ and $1:3$ Open-set protocol. When accessing only
$10\%$ of the real training data, our method still outperforms ArcFace with
$100\%$ real training data, indicating that we are closer to real-data-free
palmprint recognition.
- Abstract(参考訳): Palmprintは最近、プライバシーにやさしく安定したバイオメトリックスであるため、認識アプリケーションに大きな可能性を示している。
しかし、大規模な公開palmprintデータセットの欠如は、palmprint認識のさらなる研究と開発を制限している。
本稿では,パームプリントを大量のIDで合成する新しい現実的な擬似パルムプリント生成(RPG)モデルを提案する。
まず,クラス内多様性を改善する条件変調生成器を提案する。
次に,非ペアトレーニングに対するid一貫性を確保するために,id認識損失を提案する。
我々は、アイデンティティ独立を保証するため、B'ezier palm creases生成戦略をさらに改善する。
広範な実験結果から,合成前訓練は認識モデルの性能を著しく向上させることが示された。
例えば、我々のモデルは、1:1$と1:3$のオープンセットプロトコルの下でtar@far=1e-6の観点で、最先端のb\'ezierpalmを$5\%$と$14\%$で改善します。
実際のトレーニングデータのうち10〜%しかアクセスしない場合、本手法はarcfaceを100〜%の実際のトレーニングデータで上回っており、実データなしのpalmprint認識に近いことを示している。
関連論文リスト
- GenPalm: Contactless Palmprint Generation with Diffusion Models [25.738682467090335]
本稿では拡散確率モデルを用いた新しいパームプリント生成法を提案する。
我々は,複数のパームIDを合成するエンドツーエンドフレームワークを開発し,生成されたパームプリントの現実性と有用性を検証した。
論文 参考訳(メタデータ) (2024-06-01T03:33:25Z) - Mobile Contactless Palmprint Recognition: Use of Multiscale, Multimodel
Embeddings [26.774583290826193]
本研究では、視覚変換器(ViT)と畳み込みニューラルネットワーク(CNN)を統合し、補完的な局所的特徴とグローバル的特徴を抽出する。
次に、Palm-IDと呼ばれる、モバイルベースのエンドツーエンドのパームプリント認識システムを開発する。
Palm-IDは精度とレイテンシのトレードオフをバランスさせ、サイズ516バイトのテンプレートを抽出するのに18msしか必要としない。
論文 参考訳(メタデータ) (2024-01-16T04:42:54Z) - Segue: Side-information Guided Generative Unlearnable Examples for
Facial Privacy Protection in Real World [64.4289385463226]
生成不可能な例としては、Segue: Side-information guided Generative unlearnable Exampleを提案する。
転送性を向上させるために,真のラベルや擬似ラベルなどの側面情報を導入する。
JPEG圧縮、敵対的トレーニング、およびいくつかの標準的なデータ拡張に抵抗することができる。
論文 参考訳(メタデータ) (2023-10-24T06:22:37Z) - Physics-Driven Spectrum-Consistent Federated Learning for Palmprint
Verification [47.35171881187345]
PSFed-Palmと呼ばれるパームプリント検証のための物理駆動型スペクトル一貫性フェデレート学習法を提案する。
提案手法は、まず、局所スペクトル画像の波長範囲に応じて、クライアントを短スペクトル群と長スペクトル群に分割する。
我々は,グローバルモデルとの整合性を確保するため,局所モデルに制約を課し,モデルドリフトを効果的に防止する。
論文 参考訳(メタデータ) (2023-08-01T11:01:17Z) - Accelerated Fingerprint Enhancement: A GPU-Optimized Mixed Architecture
Approach [47.87570819350573]
本論文は,Unet混在アーキテクチャを中心に設計された潜伏指紋強調への予備的アプローチを示す。
Resnet-101ネットワークとUnetエンコーダの能力を組み合わせることで、潜在的に強力なコンポジットを作ることを目指している。
このアプローチの革新的な要素の1つは、GPU計算用に特別に設計された新しいFingerprint Enhancement Gabor層である。
論文 参考訳(メタデータ) (2023-06-01T01:19:32Z) - Geometric Synthesis: A Free lunch for Large-scale Palmprint Recognition
Model Pretraining [27.81138870690135]
パラメータ化されたB'ezier曲線を持つパーマークリーゼを表す直観的幾何学モデルを導入する。
B'ezierパラメータをランダムにサンプリングすることで、多様なアイデンティティの大規模なトレーニングサンプルを合成できる。
実験結果から, 合成事前学習モデルは非常に強力な一般化能力を有することが示された。
論文 参考訳(メタデータ) (2022-03-11T01:20:22Z) - Touchless Palmprint Recognition based on 3D Gabor Template and Block
Feature Refinement [28.991303988737503]
1167名から2334個のパームを含む大規模なタッチレスパームプリントデータセットを構築します。
われわれの知る限り、これは史上最大の接触なしヤシプリント画像ベンチマークである。
タッチレスパームプリント認識のための新しい深層学習フレームワーク3DCPNを提案する。
論文 参考訳(メタデータ) (2021-03-03T04:22:24Z) - Responsible Disclosure of Generative Models Using Scalable
Fingerprinting [70.81987741132451]
深層生成モデルは質的に新しいパフォーマンスレベルを達成した。
この技術がスプーフセンサーに誤用され、ディープフェイクを発生させ、大規模な誤情報を可能にするという懸念がある。
最先端のジェネレーションモデルを責任を持って公開することで、研究者や企業がモデルに指紋を刻むことができます。
論文 参考訳(メタデータ) (2020-12-16T03:51:54Z) - Artificial Fingerprinting for Generative Models: Rooting Deepfake
Attribution in Training Data [64.65952078807086]
光現実性画像生成は、GAN(Generative Adversarial Network)のブレークスルーにより、新たな品質レベルに達した。
しかし、このようなディープフェイクのダークサイド、すなわち生成されたメディアの悪意ある使用は、視覚的誤報に関する懸念を提起する。
我々は,モデルに人工指紋を導入することによって,深度検出の積極的な,持続可能なソリューションを模索する。
論文 参考訳(メタデータ) (2020-07-16T16:49:55Z) - Towards Palmprint Verification On Smartphones [62.279124220123286]
過去20年間の研究によると、ヤシの印刷物は独特性と永続性に優れた効果がある。
我々はスマートフォン用のDeepMPV+というDCNNベースのパームプリント検証システムを構築した。
DeepMPV+の効率と有効性は広範な実験によって裏付けられている。
論文 参考訳(メタデータ) (2020-03-30T08:31:03Z)
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。