論文の概要: Post-Mortem Human Iris Segmentation Analysis with Deep Learning

• arxiv url: http://arxiv.org/abs/2408.03448v1
• Date: Tue, 6 Aug 2024 21:00:02 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-08 14:16:39.543399
• Title: Post-Mortem Human Iris Segmentation Analysis with Deep Learning
• Title（参考訳）: 深層学習を用いたポストモーテムヒト虹彩偏差解析
• Authors: Afzal Hossain, Tipu Sultan, Stephanie Schuckers,
• Abstract要約: 本稿では,被検者から収集した虹彩画像の分割を目的としたDeep Learning(DL)モデルを提示し,比較する。 提案手法は, 死後の試料に固有の変形を効果的に学習し, 同定する。 我々の知る限り, 本研究は, 死後虹彩分節に対するDLモデルの最も広範囲な評価を提供するものである。
• 参考スコア（独自算出の注目度）: 1.1470070927586018
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Iris recognition is widely used in several fields such as mobile phones, financial transactions, identification cards, airport security, international border control, voter registration for living persons. However, the possibility of identifying deceased individuals based on their iris patterns has emerged recently as a supplementary or alternative method valuable in forensic analysis. Simultaneously, it poses numerous new technological challenges and one of the most challenging among them is the image segmentation stage as conventional iris recognition approaches have struggled to reliably execute it. This paper presents and compares Deep Learning (DL) models designed for segmenting iris images collected from the deceased subjects, by training SegNet and DeepLabV3+ semantic segmentation methods where using VGG19, ResNet18, ResNet50, MobileNetv2, Xception, or InceptionResNetv2 as backbones. In this study, our experiments demonstrate that our proposed method effectively learns and identifies specific deformations inherent in post-mortem samples and providing a significant improvement in accuracy. By employing our novel method MobileNetv2 as the backbone of DeepLabV3+ and replacing the final layer with a hybrid loss function combining Boundary and Dice loss, we achieve Mean Intersection over Union of 95.54% on the Warsaw-BioBase-PostMortem-Iris-v1 dataset. To the best of our knowledge, this study provides the most extensive evaluation of DL models for post-mortem iris segmentation.
• Abstract（参考訳）: アイリスの認識は、携帯電話、金融取引、識別カード、空港のセキュリティ、国際国境管理、住民登録など、様々な分野で広く使われている。 しかし、その虹彩パターンに基づいて死亡者を特定する可能性は、近年、法医学的分析に有用な補足的あるいは代替的な方法として出現している。 同時に、多くの新しい技術課題を提起し、その中でも最も難しいのは、従来の虹彩認識アプローチがそれを確実に実行するのに苦労しているイメージセグメンテーション段階である。 本稿では,VGG19,ResNet18,ResNet50,MobileNetv2,Xception,InceptionResNetv2をバックボーンとして使用するSegNetとDeepLabV3+のセマンティックセマンティックセマンティックセマンティックセマンティクス法を用いて,被検者から収集した虹彩画像のセグメンテーションのために設計されたDeep Learning(DL)モデルを提示し,比較する。 本研究は,提案手法が時間後サンプルに固有の変形を効果的に学習し,同定し,精度を大幅に向上させることを実証するものである。 新たな手法であるMobileNetv2をDeepLabV3+のバックボーンとして採用し,境界損失とDice損失を組み合わせたハイブリッド損失関数に置き換えることで,ワルシャワ・ビオベース・ポストモーテム-アイリス-v1データセット上の95.54%の平均インターセクションを実現する。 我々の知る限り, 本研究は, 死後虹彩分節に対するDLモデルの最も広範囲な評価を提供するものである。

関連論文リスト

• UniForensics: Face Forgery Detection via General Facial Representation [60.5421627990707]
  高レベルの意味的特徴は摂動の影響を受けにくく、フォージェリー固有の人工物に限らないため、より強い一般化がある。 我々は、トランスフォーマーベースのビデオネットワークを活用する新しいディープフェイク検出フレームワークUniForensicsを導入し、顔の豊かな表現のためのメタファンクショナルな顔分類を行う。
  論文  参考訳（メタデータ） (2024-07-26T20:51:54Z)
• Forensic Iris Image Synthesis [5.596752018167751]
  死後虹彩認識は、法医学的な設定で虹彩をベースとした人間の識別の新たな応用である。 本論文は, 運動後虹彩サンプルの最大データセットに基づいて訓練された, 条件付きスタイルGANに基づく虹彩合成モデルを提供する。
  論文  参考訳（メタデータ） (2023-12-07T08:28:41Z)
• COMICS: End-to-end Bi-grained Contrastive Learning for Multi-face Forgery Detection [56.7599217711363]
  顔偽造認識法は一度に1つの顔しか処理できない。 ほとんどの顔偽造認識法は一度に1つの顔しか処理できない。 マルチフェイスフォージェリ検出のためのエンドツーエンドフレームワークであるCOMICSを提案する。
  論文  参考訳（メタデータ） (2023-08-03T03:37:13Z)
• Towards General Visual-Linguistic Face Forgery Detection [95.73987327101143]
  ディープフェイクは現実的な顔操作であり、セキュリティ、プライバシー、信頼に深刻な脅威をもたらす可能性がある。 既存の方法は、このタスクを、デジタルラベルまたはマスク信号を使用して検出モデルをトレーニングするバイナリ分類として扱う。 本稿では, 微粒な文レベルのプロンプトをアノテーションとして用いた, VLFFD (Visual-Linguistic Face Forgery Detection) という新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2023-07-31T10:22:33Z)
• Two Approaches to Supervised Image Segmentation [55.616364225463066]
  本研究は、深層学習とマルチセットニューロンのアプローチの比較実験を開発する。 ディープラーニングアプローチは、画像セグメンテーションの実行の可能性を確認した。 代替のマルチセット手法では、計算資源をほとんど必要とせずに精度を向上することができた。
  論文  参考訳（メタデータ） (2023-07-19T16:42:52Z)
• Unsupervised Segmentation of Fetal Brain MRI using Deep Learning Cascaded Registration [2.494736313545503]
  従来の深層学習に基づく自動セグメンテーションは、グランドトラストラベルによる広範なトレーニングデータを必要とする。 ラベル付きデータに頼らずに複数の組織を正確にセグメンテーションするマルチアトラスセグメンテーションに基づく新しい手法を提案する。 提案手法では,3次元画像登録のためのカスケード深層学習ネットワークを用いて,移動画像への小さなインクリメンタルな変形を計算し,それを固定画像と正確に整合させる。
  論文  参考訳（メタデータ） (2023-07-07T13:17:12Z)
• Interpretable Deep Learning-Based Forensic Iris Segmentation and Recognition [4.691925709249742]
  死後虹彩分割と認識のためのエンドツーエンドの深層学習手法を提案する。 本手法は, 遺骸171頭から得られたデータを用いて訓練, 検証し, 遺骸229頭から採取した被検体分離データを用いて検討した。
  論文  参考訳（メタデータ） (2021-12-01T21:59:16Z)
• Weakly Supervised Few-Shot Segmentation Via Meta-Learning [2.0962464943252934]
  WeaSeL と ProtoSeg という2つの新しいメタ学習手法を提案する。 医療画像と農業リモートセンシングの異なる分野で,提案手法の広範な評価を行った。
  論文  参考訳（メタデータ） (2021-09-03T18:20:26Z)
• An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
  本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。 半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。 本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
  論文  参考訳（メタデータ） (2020-12-06T18:55:07Z)
• Generalized Iris Presentation Attack Detection Algorithm under Cross-Database Settings [63.90855798947425]
  プレゼンテーションアタックは、バイオメトリックなモダリティの大部分に大きな課題をもたらす。 本稿では,汎用的な深層学習に基づくプレゼンテーション攻撃検出ネットワークであるMVANetを提案する。 これはハイブリッドアルゴリズムの単純さと成功、あるいは複数の検出ネットワークの融合にインスパイアされている。
  論文  参考訳（メタデータ） (2020-10-25T22:42:27Z)

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。