Fugu-MT 論文翻訳(概要): Deep Ear Biometrics for Gender Classification

論文の概要: Deep Ear Biometrics for Gender Classification

arxiv url: http://arxiv.org/abs/2308.08797v1
Date: Thu, 17 Aug 2023 06:15:52 GMT
ステータス: 処理完了
システム内更新日: 2023-08-21 17:44:56.861157
Title: Deep Ear Biometrics for Gender Classification
Title（参考訳）: 性別分類のための深部耳バイオメトリックス
Authors: Ritwiz Singh, Keshav Kashyap, Rajesh Mukherjee, Asish Bera, and Mamata Dalui Chakraborty
Abstract要約: 我々は、耳画像のサンプルを用いて、ジェンダーの自動分類のためのディープ畳み込みニューラルネットワーク(CNN)モデルを開発した。提案したモデルは、EarVN1.0の耳データセットで93%の精度を達成した。
参考スコア（独自算出の注目度）: 3.285531771049763
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Human gender classification based on biometric features is a major concern for computer vision due to its vast variety of applications. The human ear is popular among researchers as a soft biometric trait, because it is less affected by age or changing circumstances, and is non-intrusive. In this study, we have developed a deep convolutional neural network (CNN) model for automatic gender classification using the samples of ear images. The performance is evaluated using four cutting-edge pre-trained CNN models. In terms of trainable parameters, the proposed technique requires significantly less computational complexity. The proposed model has achieved 93% accuracy on the EarVN1.0 ear dataset.
Abstract（参考訳）: 生体的特徴に基づく人間の性別分類は、様々な応用のためにコンピュータビジョンにとって大きな関心事である。ヒトの耳は、年齢や環境の変化の影響が少なく、意図しないため、軟質な生体計測特性として研究者の間で人気がある。本研究では,耳画像のサンプルを用いた自動性別分類のための深層畳み込みニューラルネットワーク(cnn)モデルを開発した。性能は4つの切削エッジプリトレーニングcnnモデルを用いて評価される。学習可能なパラメータに関して言えば、提案手法は計算の複雑さを著しく減らさなければならない。提案したモデルは、EarVN1.0の耳データセットで93%の精度を達成した。

関連論文リスト

Advancing 3D finger knuckle recognition via deep feature learning [51.871256510747465]
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。
論文参考訳（メタデータ） (2023-01-07T20:55:16Z)
Few-Shot Meta Learning for Recognizing Facial Phenotypes of Genetic Disorders [55.41644538483948]
分類の自動化と類似性検索は、医師が可能な限り早期に遺伝状態の診断を行うための意思決定を支援する。従来の研究は分類問題としてこの問題に対処し、深層学習法を用いてきた。本研究では,健常人の大規模なコーパスで訓練した顔認識モデルを用いて,顔の表情認識に移行した。
論文参考訳（メタデータ） (2022-10-23T11:52:57Z)
Mental arithmetic task classification with convolutional neural network based on spectral-temporal features from EEG [0.47248250311484113]
ディープニューラルネットワーク(DNN)は、コンピュータビジョンアプリケーションにおいて大きな優位性を示している。ここでは、主に2つの畳み込みニューラルネットワーク層を使用し、比較的少ないパラメータと高速で脳波からスペクトル時間的特徴を学習する浅層ニューラルネットワークを提案する。実験の結果、浅いCNNモデルは他の全てのモデルより優れており、最高分類精度は90.68%に達した。
論文参考訳（メタデータ） (2022-09-26T02:15:22Z)
CNN-based fully automatic wrist cartilage volume quantification in MR Image [55.41644538483948]
追加の注意層を持つU-net畳み込みニューラルネットワークは、最高の手首軟骨分割性能を提供する。非MRI法を用いて軟骨体積測定の誤差を独立に評価すべきである。
論文参考訳（メタデータ） (2022-06-22T14:19:06Z)
Automated Scoring of Graphical Open-Ended Responses Using Artificial Neural Networks [0.0]
畳み込みニューラルネットワーク(CNN)は、損失と精度の両方でフィードフォワードニューラルネットワークを上回っている。追加のイノベーションとして、期待される応答関数の適用に基づいて、トレーニングサンプルに対するヒト評価応答を選択する方法を概説する。本稿では,CNNをベースとした画像応答の自動評価は,大規模評価のための第2のレーダの作業負荷とコストに取って代わる可能性のある,高精度な手順である,と論じる。
論文参考訳（メタデータ） (2022-01-05T19:00:18Z)
Novel EEG based Schizophrenia Detection with IoMT Framework for Smart Healthcare [0.0]
統合失調症(Sz)は、世界中の人々の思考、行動、感情に深刻な影響を及ぼす脳障害である。 EEGは非線形時系列信号であり、その非線形構造のために調査に利用することがかなり重要である。本稿では,深層学習を用いた脳波を用いたSz検出の性能向上を目的とする。
論文参考訳（メタデータ） (2021-11-19T18:21:20Z)
A Distillation Learning Model of Adaptive Structural Deep Belief Network for AffectNet: Facial Expression Image Database [0.0]
我々は,Deep Belief Network (DBN) の適応型構造学習法を開発した。本稿では,表情画像データセットであるAffectNetに適用する。分類精度は78.4%から91.3%に向上した。
論文参考訳（メタデータ） (2021-10-25T08:01:36Z)
Medulloblastoma Tumor Classification using Deep Transfer Learning with Multi-Scale EfficientNets [63.62764375279861]
本稿では,エンド・ツー・エンドのMB腫瘍分類を提案し,様々な入力サイズとネットワーク次元の一致した移動学習を提案する。 161ケースのデータセットを用いて、より大規模な入力解像度を持つ事前学習されたEfficientNetが、大幅な性能改善をもたらすことを実証した。
論文参考訳（メタデータ） (2021-09-10T13:07:11Z)
Wide & Deep neural network model for patch aggregation in CNN-based prostate cancer detection systems [51.19354417900591]
前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
論文参考訳（メタデータ） (2021-05-20T18:13:58Z)
Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype Prediction [55.94378672172967]
本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
論文参考訳（メタデータ） (2020-09-02T02:50:30Z)
Data augmentation using generative networks to identify dementia [20.137419355252362]
生成モデルはデータ拡張の効果的なアプローチとして利用できることを示す。本稿では,認知症自動検出システムから抽出した音声と音声の異なる特徴に対する類似したアプローチの適用について検討する。
論文参考訳（メタデータ） (2020-04-13T15:05:24Z)

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。