抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
耳画像からのアイデンティティ認識はバイオメトリクスコミュニティ内で活発な研究分野である。距離と潜在的に耳画像を捉える能力は耳認識技術監視とセキュリティ応用ならびに関連する応用分野のための魅力的な選択。他のバイオメトリックな様式とは対照的に,制御されていない環境で捕獲された大規模データセットは容易に利用できる,耳画像のデータセットはまだサイズ,即ち,実験室に似た品質の限られている。結果として,耳認識技術は,深い学習とconvolutionalneuralネットワーク(CNN)の進歩からまだ利益を与えるものではない,まだ深い認識技術のために大きな性能利得を経験した他のモダリティの背後にある不足している。本論文では,この問題に対処し,CNNbased耳認識モデルを構築することを目的としている。限られた量の訓練データを伴うモデル訓練に対する異なる戦略を探索し,適切なモデル構造を選択する,既存の(事前)モデルに積極的なデータ増強と選択的学習を用いることにより,著者らは少ない1300training以上の画像を用いた効果的なCNNに基づくモデルを学習できることを示した。本研究の結果はまた,研究社会に公に利用できることが耳認識する最初のCNNベースのアプローチである。著者らのモデルにより,ウェブ(a.k.a,野生における)から得られた耳画像の挑戦的なデータセット上で従来の最先端技術の一認識率をランクに25%以上も改善することができた。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】