論文の概要: CLRecogEye : Curriculum Learning towards exploiting convolution features for Dynamic Iris Recognition

• arxiv url: http://arxiv.org/abs/2511.21097v1
• Date: Wed, 26 Nov 2025 06:32:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-27 18:37:58.989263
• Title: CLRecogEye : Curriculum Learning towards exploiting convolution features for Dynamic Iris Recognition
• Title（参考訳）: CLRecogEye : 動的虹彩認識のための畳み込み機能を活用したカリキュラム学習
• Authors: Geetanjali Sharma, Gaurav Jaswal, Aditya Nigam, Raghavendra Ramachandra,
• Abstract要約: アイリス特徴の豊かな空間的時間的表現を学習する新しいマッチング手法を提案する。 我々のアプローチはまず、各虹彩画像を1回転に沿って分割し、3D-CNNへの入力として機能するサブイメージ列を生成する。 この設計により、虹彩認証の堅牢で一般化可能な解が得られる。
• 参考スコア（独自算出の注目度）: 6.450462817607078
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Iris authentication algorithms have achieved impressive recognition performance, making them highly promising for real-world applications such as border control, citizen identification, and both criminal investigations and commercial systems. However, their robustness is still challenged by variations in rotation, scale, specular reflections, and defocus blur. In addition, most existing approaches rely on straightforward point-to-point comparisons, typically using cosine or L2 distance, without effectively leveraging the spatio-spatial-temporal structure of iris patterns. To address these limitations, we propose a novel and generalized matching pipeline that learns rich spatio-spatial-temporal representations of iris features. Our approach first splits each iris image along one dimension, generating a sequence of sub-images that serve as input to a 3D-CNN, enabling the network to capture both spatial and spatio-spatial-temporal cues. To further enhance the modeling of spatio-spatial-temporal feature dynamics, we train the model in curriculum manner. This design allows the network to embed temporal dependencies directly into the feature space, improving discriminability in the deep metric domain. The framework is trained end-to-end with triplet and ArcFace loss in a curriculum manner, enforcing highly discriminative embeddings despite challenges like rotation, scale, reflections, and blur. This design yields a robust and generalizable solution for iris authentication.Github code: https://github.com/GeetanjaliGTZ/CLRecogEye
• Abstract（参考訳）: 虹彩認証アルゴリズムは印象的な認識性能を達成しており、国境管理、市民識別、刑事捜査と商業システムといった現実世界の応用に非常に有望である。 しかし、その頑丈さは、回転、スケール、スペクトル反射、デフォーカスのぼかしのバリエーションによって依然として挑戦されている。 加えて、既存のほとんどのアプローチは、アイリスパターンの時空間構造を効果的に活用することなく、通常はコサインまたはL2距離を用いて、単純な点対点比較に頼っている。 これらの制約に対処するために,アイリス特徴の空間空間的表現を豊かに学習する,新しく一般化されたマッチングパイプラインを提案する。 提案手法はまず各虹彩画像を1次元に分割し,3次元CNNへの入力として機能するサブイメージ列を生成し,空間的・空間的・時間的両方の手がかりを捕捉する。 空間空間・時間的特徴力学のモデリングをさらに強化するため,カリキュラム方式でモデルを訓練する。 この設計により、ネットワークは機能空間に直接時間的依存関係を埋め込むことができ、ディープメトリックドメインの識別性を向上させることができる。 このフレームワークは、回転、スケール、リフレクション、ぼかしといった課題にもかかわらず、高度に差別的な埋め込みを強制する、カリキュラム的な方法で三重項とArcFace損失でエンドツーエンドにトレーニングされている。 https://github.com/GeetanjaliGTZ/CLRecogEye

関連論文リスト

• Cross-Modal Geometric Hierarchy Fusion: An Implicit-Submap Driven Framework for Resilient 3D Place Recognition [9.411542547451193]
  本稿では,密度に依存しない幾何学的推論により3次元位置認識を再定義するフレームワークを提案する。 具体的には、元のシーンポイント雲密度の干渉に免疫する弾性点に基づく暗黙の3次元表現を導入する。 これら2種類の情報を活用することで,鳥眼視と3Dセグメントの両視点から幾何学的情報を融合する記述子を得る。
  論文  参考訳（メタデータ） (2025-06-17T07:04:07Z)
• Hierarchical Temporal Context Learning for Camera-based Semantic Scene Completion [57.232688209606515]
  カメラによるセマンティックシーンの補完を改善するための,新たな時間的文脈学習パラダイムであるHTCLを提案する。 提案手法は,Semantic KITTIベンチマークで1st$をランク付けし,mIoUの点でLiDARベースの手法を超えている。
  論文  参考訳（メタデータ） (2024-07-02T09:11:17Z)
• D$^2$ST-Adapter: Disentangled-and-Deformable Spatio-Temporal Adapter for Few-shot Action Recognition [64.153799533257]
  D$2$ST-Adapterは、空間的特徴と時間的特徴の非絡み合いの符号化を可能にする内部のデュアルパスアーキテクチャで構成されている。 本手法は,時間的ダイナミクスが行動認識に不可欠である難易度シナリオに特に適している。
  論文  参考訳（メタデータ） (2023-12-03T15:40:10Z)
• DFCANet: Dense Feature Calibration-Attention Guided Network for Cross Domain Iris Presentation Attack Detection [2.95102708174421]
  アイリス提示攻撃検出(IPAD)は個人識別の確保に不可欠である。 既存のIPADアルゴリズムは、目に見えないクロスドメインシナリオにうまく一般化しない。 本稿では,DFCANet: Dense Feature and Attention Guided Networkを提案する。
  論文  参考訳（メタデータ） (2021-11-01T13:04:23Z)
• Efficient Person Search: An Anchor-Free Approach [86.45858994806471]
  パーソンサーチは、クエリーの人物を、リアルで切り刻まれていない画像から、同時にローカライズし、識別することを目的としている。 この目標を達成するために、最先端モデルは通常、Faster R-CNNのような2段階検出器にre-idブランチを追加する。 本研究では,この課題に対処するためのアンカーフリーな手法を提案する。
  論文  参考訳（メタデータ） (2021-09-01T07:01:33Z)
• Hybrid-Attention Guided Network with Multiple Resolution Features for Person Re-Identification [30.285126447140254]
  本稿では,ハイレベルな特徴を学習する際の情報損失を低減するために,ハイレベルな埋め込みと低レベルな埋め込みを融合した新しい人物再IDモデルを提案する。 また,対象物に関するより識別的な特徴を抽出することを目的とした,空間的およびチャネル的注意機構をモデルに導入する。
  論文  参考訳（メタデータ） (2020-09-16T08:12:42Z)

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。