論文の概要: Impact of Iris Pigmentation on Performance Bias in Visible Iris Verification Systems: A Comparative Study

• arxiv url: http://arxiv.org/abs/2411.08490v1
• Date: Wed, 13 Nov 2024 10:15:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-14 16:11:11.621137
• Title: Impact of Iris Pigmentation on Performance Bias in Visible Iris Verification Systems: A Comparative Study
• Title（参考訳）: 虹彩顔料が視認性虹彩認証システムの性能バイアスに及ぼす影響 : 比較検討
• Authors: Geetanjali Sharma, Abhishek Tandon, Gaurav Jaswal, Aditya Nigam, Raghavendra Ramachandra,
• Abstract要約: 生体認証システムの有効性に対する虹彩色素化の影響について検討し,青と暗の虹彩の比較分析に焦点をあてた。 以上の結果から,虹彩認識システムは一般的に暗黒の虹彩に比べて青色の虹彩に対して高い精度を示すことが示唆された。 本分析では,虹彩色とデバイス間変動に関する認識性能に固有のバイアスを同定する。
• 参考スコア（独自算出の注目度）: 6.639785884921617
• License:
• Abstract: Iris recognition technology plays a critical role in biometric identification systems, but their performance can be affected by variations in iris pigmentation. In this work, we investigate the impact of iris pigmentation on the efficacy of biometric recognition systems, focusing on a comparative analysis of blue and dark irises. Data sets were collected using multiple devices, including P1, P2, and P3 smartphones [4], to assess the robustness of the systems in different capture environments [19]. Both traditional machine learning techniques and deep learning models were used, namely Open-Iris, ViT-b, and ResNet50, to evaluate performance metrics such as Equal Error Rate (EER) and True Match Rate (TMR). Our results indicate that iris recognition systems generally exhibit higher accuracy for blue irises compared to dark irises. Furthermore, we examined the generalization capabilities of these systems across different iris colors and devices, finding that while training on diverse datasets enhances recognition performance, the degree of improvement is contingent on the specific model and device used. Our analysis also identifies inherent biases in recognition performance related to iris color and cross-device variability. These findings underscore the need for more inclusive dataset collection and model refinement to reduce bias and promote equitable biometric recognition across varying iris pigmentation and device configurations.
• Abstract（参考訳）: 虹彩認識技術は生体認証システムにおいて重要な役割を担っているが,その性能は虹彩色素の変異の影響を受けうる。 本研究では,虹彩色素化が生体認証システムの有効性に及ぼす影響について検討し,青と暗の虹彩の比較分析に焦点をあてた。 P1,P2,P3スマートフォン[4]を含む複数のデバイスを用いてデータを収集し,異なる捕捉環境におけるシステムの堅牢性を評価する[19]。 従来の機械学習技術とディープラーニングモデル、すなわちOpen-Iris、ViT-b、ResNet50を使用して、EER(Equal Error Rate)やTrue Match Rate(TMR)などのパフォーマンス指標を評価した。 以上の結果から,虹彩認識システムは一般的に暗黒の虹彩に比べて青色の虹彩に対して高い精度を示すことが示唆された。 さらに,様々な虹彩色やデバイスにまたがるこれらのシステムの一般化能力について検討し,多様なデータセットのトレーニングによって認識性能が向上する一方で,特定のモデルやデバイスによって改善の度合いが一致していることを見出した。 また, アイリス色とデバイス間変動に関する認識性能に固有のバイアスが認められた。 これらの知見は、バイアスを減らし、虹彩色素やデバイス構成にまたがる均等な生体認証を促進するために、より包括的なデータセット収集とモデル改良の必要性を浮き彫りにした。

関連論文リスト

• Synthesizing Iris Images using Generative Adversarial Networks: Survey and Comparative Analysis [11.5164036021499]
  本稿では,GANを用いた合成虹彩画像生成技術について概説する。 まず,合成虹彩生成に使用されてきた各種手法について検討し,StyleGAN,RaSGAN,CIT-GAN,iWarpGAN,StarGANなどに基づく発電機について検討した。
  論文  参考訳（メタデータ） (2024-04-26T01:45:58Z)
• 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)
• ColorSense: A Study on Color Vision in Machine Visual Recognition [57.916512479603064]
  視覚認識ベンチマークから,前景や背景色ラベルの非自明なアノテーション110,000点を収集する。 色識別のレベルがマシン認識モデルの性能に与える影響を実証することにより、データセットの使用を検証した。 その結果,分類や局所化などの物体認識タスクは,色覚バイアスの影響を受けやすいことが示唆された。
  論文  参考訳（メタデータ） (2022-12-16T18:51:41Z)
• Near-infrared and visible-light periocular recognition with Gabor features using frequency-adaptive automatic eye detection [69.35569554213679]
  近視認識は、制御の少ないシナリオにおいて、顔や虹彩の堅牢性の増大が要求されるため、近年注目を集めている。 本稿では,複雑な対称性フィルタに基づく眼球検出システムを提案する。 このシステムはレチノトピックサンプリンググリッドとガボルスペクトル分解に基づく近視アルゴリズムの入力として用いられる。
  論文  参考訳（メタデータ） (2022-11-10T13:04:03Z)
• Multi-Modal Human Authentication Using Silhouettes, Gait and RGB [59.46083527510924]
  全体認証は、遠隔生体認証のシナリオにおいて有望なアプローチである。 本稿では,RGBデータとシルエットデータを組み合わせたDME(Dual-Modal Ensemble)を提案する。 DME内では、従来の歩行分析に使用される二重ヘリカル歩行パターンにインスパイアされたGaitPatternを提案する。
  論文  参考訳（メタデータ） (2022-10-08T15:17:32Z)
• Iris Recognition Based on SIFT Features [63.07521951102555]
  アイリス画像の認識にはSIFT(Scale Invariant Feature Transformation)を用いる。 我々は、SIFT演算子を用いて、スケール空間における特徴SIFT特徴点を抽出し、特徴点周辺のテクスチャ情報に基づいてマッチングを行う。 また、SIFT手法と、極座標変換とLog-Gaborウェーブレットに基づく一般的なマッチング手法の相補性を示す。
  論文  参考訳（メタデータ） (2021-10-30T04:55:33Z)
• 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)
• Cross-Spectral Periocular Recognition with Conditional Adversarial Networks [59.17685450892182]
  本研究では,近赤外・近赤外スペクトル間の近赤外画像の変換を訓練した条件付き生成逆相関ネットワークを提案する。 EER=1%, GAR>99% @ FAR=1%, ポリUデータベースの最先端技術に匹敵するスペクトル近視性能を得た。
  論文  参考訳（メタデータ） (2020-08-26T15:02:04Z)
• 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。