文献

J-GLOBAL ID：201802240226041742   整理番号：18A1043670

ディープニューラルネットワークにおける臨界領域への明示的注意による眼周囲認識の改善【JST・京大機械翻訳】

Improving Periocular Recognition by Explicit Attention to Critical Regions in Deep Neural Network

著者 (2件)： Zhao Zijing (Department of Computing, The Hong Kong Polytechnic University, Kowloon, Hong Kong) ,  Kumar Ajay (Department of Computing, The Hong Kong Polytechnic University, Kowloon, Hong Kong)
資料名： IEEE Transactions on Information Forensics and Security  (IEEE Transactions on Information Forensics and Security)
巻： 13  号： 12  ページ： 2937-2952  発行年： 2018年 
JST資料番号： W1570A  ISSN： 1556-6013  CODEN： ITIFA6  資料種別： 逐次刊行物 (A)
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： 周期的認識は,特に顔および/または虹彩認識が適用できない,より少ない制約環境下で,効果的な生体計測同定アプローチとして出現している。本論文では,周期的画像における重要な領域を強調するために注意モデルを組み込んだロバストでより正確な周期的認識のための新しい深い学習ベースアーキテクチャを提案した。この新しいアーキテクチャは,中間構成要素の一部が,重要な意味領域,すなわち,眼球と眼に重点を置くために構成されている,マルチランス機構を採用している。これらの領域に焦点を合わせることによって,深い畳込みニューラルネットワークは付加的識別特徴を学習することができて,それは次に全体のモデルの認識能力を改良した。著者らの方法の優れた性能は,眼球と眼の領域が周期的認識に重要であり,深い特徴学習過程の間に特別な注意を払うことを強く示唆する。本論文では,従来の契約/三重項損失関数よりも高い識別力を提供することが示されている,カスタマイズされた検証指向損失関数も示した。6つの公開可能なデータベースに関する広範な実験を行い,提案したアプローチを評価した。再現可能な実験結果は,著者らのアプローチが周期的認識のためにいくつかの最先端の方法を著しく上回ることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： 計算機アーキテクチャ ,  生体計測 ,  学習 ,  データベース ,  損失関数 ,  カスタム化 ,  モデル ,  画像 ,  三重項 ,  *臨界 ,  眼球 ,  ロバスト性
準シソーラス用語： 最先端 ,  虹彩認識 ,  *ディープニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： ディープニューラルネットワーク ,  臨界 ,  注意 ,  眼