論文の概要: Lowering the Barrier to IREX Participation: Open-Source Algorithms, Toolkit, and Benchmarking for Iris Recognition
- arxiv url: http://arxiv.org/abs/2605.20735v1
- Date: Wed, 20 May 2026 05:39:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-21 19:19:56.50004
- Title: Lowering the Barrier to IREX Participation: Open-Source Algorithms, Toolkit, and Benchmarking for Iris Recognition
- Title（参考訳）: IREXへの参加障壁を下げる:Iris認識のためのオープンソースアルゴリズム、ツールキット、ベンチマーク
- Authors: Siamul Karim Khan, Patrick J. Flynn, Adam Czajka,
- Abstract要約: 本稿では,Python と IREX 準拠の C++ 実装を提供する2つの新しいオープンソースアイリス認識アルゴリズムを提案する。
新しい手法は, (i) Batch-Hard Triplet mining (TripletIris), (ii) ArcFace loss (ArcIris)の2つのニューラルネットワークからなる。
また、新しいアイリス認識手法に組み込むことができるアイリス分割と円周推定のためのオープンソースモデルも提供する。
- 参考スコア（独自算出の注目度）: 8.456537372135163
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper proposes two new open-source iris recognition algorithms, providing both Python and IREX-compliant C++ implementations to be submitted to the official IREX X program. This work has two primary goals: (a) to conduct the first-ever assessment of open-source iris recognition solutions according to IREX testing protocols, and (b) to offer a model C++ submission that significantly facilitates the entry of other teams' open-source methods into the IREX evaluation. The new methods consist of two Neural Networks trained with: (i) Triplet loss with Batch-Hard Triplet mining (TripletIris), and (ii) ArcFace loss (ArcIris). The paper also provides open-source IREX-compliant C++ implementations of two existing methods: (a) an iris image filtering-based algorithm utilizing human saliency-driven kernels (HDBIF), and (b) a human-interpretable algorithm for detecting and comparing Fuchs' crypts (CRYPTS). Except for CRYPTS, which faced timing constraints during 1:N search, these methods have undergone the official IREX X evaluation and have also been assessed using several popular academic benchmarks: Quality-Face/Iris Research Ensemble, Warsaw-Biobase Post-Mortem Iris, CASIA-Iris-Thousand-V4, CASIA-Iris-Lamp-V4, IIT Delhi Iris Database, IIITD Contact Lens Iris Database, NDIris3D, and Notre Dame Variable Iris Image Quality Release 2. Finally, this paper also provides open-source models for iris segmentation and circle estimation that can be incorporated into any new iris recognition method.
- Abstract（参考訳）: 本稿では,Python と IREX 準拠の C++ 実装を公式な IREX X プログラムに提案する2つの新しいオープンソースアイリス認識アルゴリズムを提案する。
この仕事には2つの主要な目標がある。
(a)IREXテストプロトコルによるオープンソースの虹彩認識ソリューションの初回評価を行い、
b) 他のチームのオープンソースメソッドのIREX評価への導入を著しく促進するモデルC++の提出を提供する。
新しい手法は、トレーニングされた2つのニューラルネットワークから成り立っている。
一 バッチハードトリプルト鉱業によるトリプルト損失(トリプレットアイリス)
(II)ArcFaceロス(ArcIris)
この論文は、既存の2つのメソッドのオープンソースIREX準拠のC++実装も提供する。
(a)ヒトサリエンシ駆動カーネル(HDBIF)を利用した虹彩画像フィルタリングに基づくアルゴリズム
b)フックスの暗号(CRYPTS)を検出し比較するための人間解釈可能なアルゴリズム。
1:N検索中にタイミング制約に直面したCRYPTSを除いて、これらの手法は公式なIREX X評価を行い、Quality-Face/Iris Research Ensemble, Warsaw-Biobase Post-Mortem Iris, CASIA-Iris-Thousand-V4, CASIA-Iris-Lamp-V4, IIT Delhi Iris Database, IIITD Contact Lens Iris Database, NDIris3D, Notre Dame Variable Iris Image Quality Release 2といった一般的な学術ベンチマークを用いて評価されている。
最後に,任意の新しいアイリス認識手法に組み込むことができるアイリス分割と円周推定のオープンソースモデルを提案する。
関連論文リスト
- Cryptanalysis via Machine Learning Based Information Theoretic Metrics [58.96805474751668]
本稿では,機械学習アルゴリズムの新たな2つの応用法を提案する。
これらのアルゴリズムは、監査設定で容易に適用でき、暗号システムの堅牢性を評価することができる。
本稿では,DES,RSA,AES ECBなど,IND-CPAの安全でない暗号化スキームを高精度に識別する。
論文 参考訳（メタデータ） (2025-01-25T04:53:36Z) - RAGLAB: A Modular and Research-Oriented Unified Framework for Retrieval-Augmented Generation [54.707460684650584]
大きな言語モデル(LLM)は対話、推論、知識保持における人間レベルの能力を示す。
現在の研究は、LLMに外部知識を組み込むことによって、このボトルネックに対処している。
RAGLABはモジュール的で研究指向のオープンソースライブラリで、6つの既存のアルゴリズムを再現し、RAGアルゴリズムを調査するための包括的なエコシステムを提供する。
論文 参考訳（メタデータ） (2024-08-21T07:20:48Z) - KECOR: Kernel Coding Rate Maximization for Active 3D Object Detection [48.66703222700795]
我々は、ラベルの取得に最も有用なポイントクラウドを特定するために、新しいカーネル戦略を利用する。
1段目(SECOND)と2段目(SECOND)の両方に対応するため、アノテーションに選択した境界ボックスの総数と検出性能のトレードオフをよく組み込んだ分類エントロピー接点を組み込んだ。
その結果,ボックスレベルのアノテーションのコストは約44%,計算時間は26%削減された。
論文 参考訳（メタデータ） (2023-07-16T04:27:03Z) - Open-Set Automatic Target Recognition [52.27048031302509]
オートマチックターゲット認識(Automatic Target Recognition、ATR)は、異なるセンサーから取得したデータに基づいてターゲットを認識しようとするコンピュータビジョンアルゴリズムのカテゴリである。
既存のATRアルゴリズムは、トレーニングとテストが同じクラス分布を持つ従来のクローズドセット手法向けに開発されている。
ATRアルゴリズムのオープンセット認識機能を実現するためのオープンセット自動ターゲット認識フレームワークを提案する。
論文 参考訳（メタデータ） (2022-11-10T21:28:24Z) - State Of The Art In Open-Set Iris Presentation Attack Detection [4.843820624525483]
本稿では,オープンセットアイリス提示攻撃検出(PAD)における最先端技術を理解し,拡張するためのコントリビューションを提供する。
この問題で利用可能な最大の画像データセットをキュレートし、以前様々なグループがリリースした26のベンチマークから抽出した。
クローズドセット評価における最良のアルゴリズムでさえ、オープンセットシナリオにおいて複数の攻撃タイプに対して破滅的な障害を示すことを示す。
論文 参考訳（メタデータ） (2022-08-22T19:40:59Z) - 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) - On Benchmarking Iris Recognition within a Head-mounted Display for AR/VR
Application [16.382021536377437]
我々は、ヘッドマウントディスプレイ(HMD)に適した虹彩認識アルゴリズムのセットを評価する。
我々は最近開発されたミニチュアセグメンテーションモデル(EyeMMS)を用いて虹彩のセグメンテーションを行っている。
アイリス認識の性能に感銘を受けて,HMDにおける非協調的なキャプチャ設定において,ユーザの継続的な認証を提案する。
論文 参考訳（メタデータ） (2020-10-20T17:05:11Z) - Open Source Iris Recognition Hardware and Software with Presentation
Attack Detection [10.579257329579676]
本稿では,プレゼンテーションアタック検出(PAD)を用いたオープンソースハードウェアおよびソフトウェアアイリス認識システムを提案する。
Raspberry Piボードと周辺機器を使って、約75 USDで簡単に組み立てることができる。
提案された虹彩認識は約3.2秒で、提案されたPADはRaspberry Pi 3B+で約4.5秒で実行される。
論文 参考訳（メタデータ） (2020-08-19T02:02:16Z) - Robust Iris Presentation Attack Detection Fusing 2D and 3D Information [15.97343723521826]
本稿では,観測された虹彩の二次元特性と三次元特性を結合する手法を提案する。
バイナリ統計画像特徴量(BSIF)を用いた最先端手法により2次元アイリス特徴を抽出する
3Dアイリスの特徴は、2つの異なる角度に配置された近赤外線照明下で撮影された2つの画像のみから、測光ステレオ法により再構成される。
論文 参考訳（メタデータ） (2020-02-21T05:44:38Z) - Are Gabor Kernels Optimal for Iris Recognition? [4.658023970671232]
Gaborカーネルは虹彩認識のための支配的なフィルタとして広く受け入れられている。
我々は,オープンソースのアイリス認識ソフトウェアに容易に移植可能なデータ駆動カーネルを学習する。
論文 参考訳（メタデータ） (2020-02-20T17:51:11Z)
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。