論文の概要: A Siamese Network to Detect If Two Iris Images Are Monozygotic
- arxiv url: http://arxiv.org/abs/2503.09749v2
- Date: Sun, 23 Mar 2025 19:04:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-25 14:29:36.586934
- Title: A Siamese Network to Detect If Two Iris Images Are Monozygotic
- Title（参考訳）: 2枚のアイリス画像がモノジゴティックか検知するシームズネットワーク
- Authors: Yongle Yuan, Kevin W. Bowyer,
- Abstract要約: 我々は,一対の虹彩画像をモノジゴティックアイライズや非モノジゴティックアイライズに分類するために,シームズネットワークアーキテクチャとコントラスト学習を採用している。
本手法は, 単接合型虹彩対のヒト分類において, 従来報告されていたものを超える全虹彩画像を用いて精度を向上する。
- 参考スコア（独自算出の注目度）: 7.082273060309677
- License:
- Abstract: In Daugman-style iris recognition, the textures of the left and right irises of the same person are traditionally considered as being as different as the irises of two unrelated persons. However, previous research indicates that humans can detect that two iris images are from different eyes of the same person, or eyes of monozygotic twins, with an accuracy of about 80%. In this work, we employ a Siamese network architecture and contrastive learning to categorize a pair of iris images as coming from monozygotic or non-monozygotic irises. This could potentially be applied, for example, as a fast, noninvasive test to determine if twins are monozygotic or non-monozygotic. We construct a dataset comprising both synthetic monozygotic pairs (images of different irises of the same individual) and natural monozygotic pairs (images of different images from persons who are identical twins), in addition to non-monozygotic pairs from unrelated individuals, ensuring a comprehensive evaluation of the model's capabilities. To gain deeper insights into the learned representations, we train and analyze three variants of the model using (1) the original input images, (2) iris-only images, and (3) non-iris-only images. This comparison reveals the critical importance of iris-specific textural details and contextual ocular cues in identifying monozygotic iris patterns. The results demonstrate that models leveraging full eye-region information outperform those trained solely on iris-only data, emphasizing the nuanced interplay between iris and ocular characteristics. Our approach achieves accuracy levels using the full iris image that exceed those previously reported for human classification of monozygotic iris pairs. This study presents the first classifier designed to determine whether a pair of iris images originates from monozygotic individuals.
- Abstract（参考訳）: ダウグマン様式の虹彩認識では、同一人物の左右の虹彩のテクスチャは、伝統的に2人の無関係な人物の虹彩と同程度に異なると考えられている。
しかし、以前の研究では、2つの虹彩画像が同一人の異なる目、または一卵性双生児の目から、約80%の精度で検出できることが示されている。
本研究では,一対の虹彩像を単接合性あるいは非単接合性イライズに由来するものと分類するために,シームズネットワークアーキテクチャとコントラスト学習を用いる。
これは例えば、高速で非侵襲的なテストとして、双子が単接合体か非単接合体かを判定する可能性がある。
合成単接合体対(同一個体の異なるイライラのイメージ)と自然単接合体対(同一双生児の異なるイメージのイメージ)の両方からなるデータセットを構築し、非関連個体の非単接合体対に加えて、モデルの能力を総合的に評価する。
本研究では,(1)入力画像,(2)虹彩のみの画像,(3)虹彩のみの画像を用いて,モデルの3つの変種を学習・解析する。
この比較は、単接合性虹彩パターンの同定において、虹彩特有のテクスチャの詳細と文脈的な眼の手がかりが重要であることを明らかにする。
以上の結果から、虹彩のみのデータのみを訓練した者よりも、全眼領域情報を利用したモデルの方が優れており、虹彩と眼の特徴の微妙な相互作用が強調されている。
本手法は, 単接合型虹彩対のヒト分類において, 従来報告されていたものを超える全虹彩画像を用いて精度を向上する。
本研究は、一対の虹彩画像が単接合体に由来するかどうかを判定するために設計された最初の分類器を提案する。
関連論文リスト
- On the Feasibility of Creating Iris Periocular Morphed Images [9.021226651004055]
本研究は、画像レベルで虹彩形態を生成するためのエンドツーエンドフレームワークを提案する。
ペア対象の選択、セグメンテーション、形態形成、新しい虹彩認識システムなど、異なる段階を考慮する。
その結果,従来の虹彩認識システムと混同できる非常にリアルな画像が得られた。
論文 参考訳（メタデータ） (2024-08-24T06:48:46Z) - Interpretable Measures of Conceptual Similarity by
Complexity-Constrained Descriptive Auto-Encoding [112.0878081944858]
画像間の類似度を定量化することは、画像ベースの機械学習にとって重要な著作権問題である。
我々は,高次関係を捉えた画像間での「概念的類似性」の概念を定義し,計算することを目指している。
2つの非常に異種な画像は、その記述の早い段階で識別できるが、概念的に異種な画像は、より詳細を区別する必要がある。
論文 参考訳（メタデータ） (2024-02-14T03:31:17Z) - EyePreserve: Identity-Preserving Iris Synthesis [8.973296574093506]
本稿では,アイリス画像の完全データ駆動型,アイデンティティ保存型,瞳孔径変化型合成法を提案する。
提案手法の直接的な応用は、(a)虹彩認識のための既存の生体計測データセットの合成、または強化、および(b)瞳孔拡張に有意な差がある虹彩画像対を調べるための法医学の専門家を支援することである。
論文 参考訳（メタデータ） (2023-12-19T10:29:29Z) - Periocular biometrics: databases, algorithms and directions [69.35569554213679]
近視バイオメトリックスは、制御されていない条件下での虹彩や顔のシステムの性能に関する懸念から、独立したモダリティとして確立されている。
本稿では, 近視バイオメトリックス研究における最先端技術について概説する。
論文 参考訳（メタデータ） (2023-07-26T11:14:36Z) - GraVIS: Grouping Augmented Views from Independent Sources for
Dermatology Analysis [52.04899592688968]
皮膚科画像から自己教師付き特徴を学習するために特に最適化されたGraVISを提案する。
GraVISは、病変のセグメンテーションと疾患分類のタスクにおいて、転送学習と自己教師型学習を著しく上回っている。
論文 参考訳（メタデータ） (2023-01-11T11:38:37Z) - Artificial Pupil Dilation for Data Augmentation in Iris Semantic
Segmentation [0.0]
現代の虹彩認識のアプローチでは、深層学習を用いて虹彩の有効部分を眼の他の部分から切り離す。
本稿では,新しいデータ拡張手法を導入することにより,虹彩意味分節システムの精度を向上させることを目的とする。
論文 参考訳（メタデータ） (2022-12-24T13:31:56Z) - Mine yOur owN Anatomy: Revisiting Medical Image Segmentation with Extremely Limited Labels [54.58539616385138]
我々は、Mine yOur owN Anatomy (MONA) と呼ばれる、新しい半教師付き2次元医用画像セグメンテーションフレームワークを紹介する。
まず、先行研究では、すべてのピクセルがモデルトレーニングに等しく重要であると論じており、我々はこの1つだけで意味のある解剖学的特徴を定義できないことを経験的に観察している。
第2に,医療画像を解剖学的特徴の集合に分解できるモデルを構築する。
論文 参考訳（メタデータ） (2022-09-27T15:50:31Z) - DeformIrisNet: An Identity-Preserving Model of Iris Texture Deformation [4.142375560633827]
アイリス認識の主流となるアプローチでは、リング状のアイリス領域のサイズは正準長方形に線形にスケールされる。
データから直接アイリステクスチャの特徴の複雑な動きを効果的に学習できる新しいディープオートエンコーダモデルを提案する。
論文 参考訳（メタデータ） (2022-07-18T23:23:23Z) - A Semi-Supervised Classification Method of Apicomplexan Parasites and
Host Cell Using Contrastive Learning Strategy [6.677163460963862]
本稿では, 3種類のアピコプレキサン寄生虫と非感染宿主細胞顕微鏡像の半教師付き分類法を提案する。
少数のラベル付きデータと多数のラベルなしデータをトレーニングに使用します。
顕微鏡画像の1%しかラベル付けされていない場合、提案手法は一般化された試験セットで94.90%の精度に達する。
論文 参考訳（メタデータ） (2021-04-14T02:34:50Z) - DVG-Face: Dual Variational Generation for Heterogeneous Face Recognition [85.94331736287765]
我々は、HFRを二重生成問題として定式化し、新しいDual Variational Generation(DVG-Face)フレームワークを用いてそれに取り組む。
大規模可視データの豊富なアイデンティティ情報を結合分布に統合する。
同一の同一性を持つ多種多様な多種多様な画像は、ノイズから生成することができる。
論文 参考訳（メタデータ） (2020-09-20T09:48:24Z) - Unsupervised Landmark Learning from Unpaired Data [117.81440795184587]
教師なしランドマーク学習の最近の試みは、外観は似ているがポーズでは異なる合成画像対を活用する。
本稿では,2回スワッピング・リコンストラクション・ストラテジーを適用して最終監視を行うクロスイメージ・サイクル整合性フレームワークを提案する。
提案するフレームワークは,強いベースラインを大きなマージンで上回ることを示す。
論文 参考訳（メタデータ） (2020-06-29T13:57:20Z)
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。