文献

J-GLOBAL ID：201702283701903948   整理番号：17A1254998

野生における耳認識のための限定された訓練データを用いた訓練畳込みニューラルネットワーク【Powered by NICT】

Training Convolutional Neural Networks with Limited Training Data for Ear Recognition in the Wild

著者 (4件)： Emersic Ziga ,  Stepec Dejan ,  Struc Vitomir ,  Peer Peter
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： FG  ページ： 987-994  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 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】

シソーラス用語： 画像 ,  品質 ,  認知モデル ,  *ネットワーク ,  *畳込み ,  学習 ,  セキュリティ ,  利得 ,  *ニューラルネットワーク
準シソーラス用語： 認識率 ,  最先端技術 ,  モダリティ ,  大規模データセット ,  アイデンティティ ,  *訓練データ , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 耳 ,  訓練データ ,  訓練 ,  畳込みニューラルネットワーク