論文の概要: Fusion Based Hand Geometry Recognition Using Dempster-Shafer Theory

• arxiv url: http://arxiv.org/abs/2410.09842v1
• Date: Sun, 13 Oct 2024 13:44:57 GMT
• ステータス: 処理完了
• システム内更新日: 2024-10-30 04:32:54.115785
• Title: Fusion Based Hand Geometry Recognition Using Dempster-Shafer Theory
• Title（参考訳）: デンプスター・シェーファー理論を用いた融合型手形状認識
• Authors: Asish Bera, Debotosh Bhattacharjee, Mita Nasipuri,
• Abstract要約: 本稿では,両手の幾何学的特徴の融合に基づく人物認識のための新しい手法を提案する。 確率に基づく2つのアルゴリズムを分類するために提案する。 正解率は99.5%、偽受容率(FAR)は0.625%である。
• 参考スコア（独自算出の注目度）: 20.58839604333332
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents a new technique for person recognition based on the fusion of hand geometric features of both the hands without any pose restrictions. All the features are extracted from normalized left and right hand images. Fusion is applied at feature level and also at decision level. Two probability based algorithms are proposed for classification. The first algorithm computes the maximum probability for nearest three neighbors. The second algorithm determines the maximum probability of the number of matched features with respect to a thresholding on distances. Based on these two highest probabilities initial decisions are made. The final decision is considered according to the highest probability as calculated by the Dempster-Shafer theory of evidence. Depending on the various combinations of the initial decisions, three schemes are experimented with 201 subjects for identification and verification. The correct identification rate found to be 99.5%, and the False Acceptance Rate (FAR) of 0.625% has been found during verification.
• Abstract（参考訳）: 本稿では,両手の幾何学的特徴の融合に基づく人物認識のための新しい手法を提案する。 すべての特徴は、正常化された左右の画像から抽出される。 融合は機能レベルでも決定レベルでも適用されます。 確率に基づく2つのアルゴリズムを分類するために提案する。 最初のアルゴリズムは、最も近い3つの隣人の最大確率を計算する。 第2のアルゴリズムは、距離のしきい値に対する一致した特徴数の最大確率を決定する。 これら2つの最も高い確率に基づいて、最初の決定が下される。 最終決定は、証拠のデンプスター・シェーファー理論によって計算される最も高い確率で考慮される。 初期決定の様々な組み合わせにより、識別と検証のための3つのスキームを201の被験者で実験する。 正解率は99.5%、偽受容率(FAR)は0.625%である。

関連論文リスト

• Inference for an Algorithmic Fairness-Accuracy Frontier [0.9147443443422864]
  We provide a consistent estimator for a theoretical fairness-accuracy frontier forward by Liang, Lu and Mu (2023) フェアネス文学で注目されている仮説を検証するための推論手法を提案する。 サンプルサイズが大きくなるにつれて, 推定された支持関数が密なプロセスに収束することを示す。
  論文  参考訳（メタデータ） (2024-02-14T00:56:09Z)
• Calibrating Neural Simulation-Based Inference with Differentiable Coverage Probability [50.44439018155837]
  ニューラルモデルのトレーニング目的に直接キャリブレーション項を含めることを提案する。 古典的なキャリブレーション誤差の定式化を緩和することにより、エンドツーエンドのバックプロパゲーションを可能にする。 既存の計算パイプラインに直接適用でき、信頼性の高いブラックボックス後部推論が可能である。
  論文  参考訳（メタデータ） (2023-10-20T10:20:45Z)
• Distribution-Free Inference for the Regression Function of Binary Classification [0.0]
  本稿では,ユーザの信頼度レベルに対する真の回帰関数に対して,正確に,分布自由で,漸近的に保証されていない信頼領域を構築するための再サンプリングフレームワークを提案する。 構築された信頼領域は強い整合性、すなわち、任意の偽モデルが確率 1 で長期にわたって除外されることが証明された。
  論文  参考訳（メタデータ） (2023-08-03T15:52:27Z)
• Composed Image Retrieval with Text Feedback via Multi-grained Uncertainty Regularization [73.04187954213471]
  粗い検索ときめ細かい検索を同時にモデル化する統合学習手法を提案する。 提案手法は、強いベースラインに対して+4.03%、+3.38%、+2.40%のRecall@50精度を達成した。
  論文  参考訳（メタデータ） (2022-11-14T14:25:40Z)
• SPRT-based Efficient Best Arm Identification in Stochastic Bandits [31.359578768463752]
  本稿では,固定信頼度設定におけるマルチアームバンディットの腕識別問題について検討する。 バンドイットの指数族に対する既存のアルゴリズムは計算上の課題に直面している。 逐次テストに有効であることが知られている確率比ベースのテストを採用するフレームワークが提案されている。
  論文  参考訳（メタデータ） (2022-07-22T15:54:53Z)
• Deep Probabilistic Graph Matching [72.6690550634166]
  本稿では,マッチング制約を伴わずに,元のQAPに適合する深層学習ベースのグラフマッチングフレームワークを提案する。 提案手法は,一般的な3つのベンチマーク(Pascal VOC,Wilow Object,SPair-71k)で評価され,すべてのベンチマークにおいて過去の最先端よりも優れていた。
  論文  参考訳（メタデータ） (2022-01-05T13:37:27Z)
• Mean-based Best Arm Identification in Stochastic Bandits under Reward Contamination [80.53485617514707]
  本稿では,ギャップベースアルゴリズムと逐次除去に基づく2つのアルゴリズムを提案する。 具体的には、ギャップベースのアルゴリズムでは、サンプルの複雑さは定数要素まで最適であり、連続的な除去では対数因子まで最適である。
  論文  参考訳（メタデータ） (2021-11-14T21:49:58Z)
• Efficient First-Order Contextual Bandits: Prediction, Allocation, and Triangular Discrimination [82.52105963476703]
  統計的学習、オンライン学習、その他における繰り返しのテーマは、低騒音の問題に対してより速い収束率が可能であることである。 1次保証は統計的およびオンライン学習において比較的よく理解されている。 三角識別と呼ばれる対数損失と情報理論量が一階保証を得る上で基本的な役割を担っていることを示す。
  論文  参考訳（メタデータ） (2021-07-05T19:20:34Z)
• Bayesian decision-making under misspecified priors with applications to meta-learning [64.38020203019013]
  トンプソンサンプリングやその他のシーケンシャルな意思決定アルゴリズムは、文脈的包帯における探索と探索のトレードオフに取り組むための一般的なアプローチである。 性能は不特定な事前条件で優雅に低下することを示す。
  論文  参考訳（メタデータ） (2021-07-03T23:17:26Z)
• Evidential Turing Processes [11.021440340896786]
  我々は、明らかなディープラーニング、ニューラルプロセス、ニューラルチューリングマシンのオリジナルの組み合わせを紹介する。 本稿では,3つの画像分類ベンチマークと2つのニューラルネットアーキテクチャについて検討する。
  論文  参考訳（メタデータ） (2021-06-02T15:09:20Z)

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。