文献

J-GLOBAL ID：201802281181017972   整理番号：18A0261327

眼スマートフォンに基づくバイオメトリクスのための畳込みニューラルネットワーク【Powered by NICT】

Convolutional neural networks for ocular smartphone-based biometrics

著者 (4件)： Ahuja Karan (Indian Institute of Information Technology, Guwahati, India) ,  Islam Rahul (Indian Institute of Information Technology, Guwahati, India) ,  Barbhuiya Ferdous A. (Indian Institute of Information Technology, Guwahati, India) ,  Dey Kuntal (IBM Research, New Delhi, India)
資料名： Pattern Recognition Letters  (Pattern Recognition Letters)
巻： 91  ページ： 17-26  発行年： 2017年 
JST資料番号： H0913A  ISSN： 0167-8655  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 可視スペクトルにおける眼バイオメトリクスは,重要な研究活動領域として出現した。本論文では,ハイブリッド畳込みモデルを提案し,虹彩を含む眼周囲画像の対を検証する。教師なしおよび教師つき畳込みニューラルネットワークの組合せとしてハイブリッドモデルを構成し,良く知られた幾何学ベース根SIFT(スケール不変特徴変換)モデルと組み合わせを増大させた。も互いにに対すると同様に,ベースライン根SIFT(スケール不変特徴変換)の両方の畳込みに基づくモデルの性能を比較した。第一(教師なしw.r.tターゲットデータセット)回旋に基づいた深い学習アプローチでは,提供されたデータに適用したベースライン根SIFTモデルの上に積層した畳込みアーキテクチャを用いて,外部顔および眼周囲データに関する先験的学習外部モデルを用いて,異なるスコア融合モデルを適用した。第二(教師つきw.r.tターゲットデータセット)アプローチでは,再び積層畳込みアーキテクチャを利用ここでが,教師ありの方法で特徴ベクトルを学習する。MICHE IIデータセットについて,0.092と0.066の0.946と0.981,およびEERのAUROCを得る,それぞれ二モデル。ここで提案したハイブリッドモデル,これらの二つの畳込みニューラルネットワークを組み合わせた,成分的に優れており,両画像は,同じデバイス型,そうでなければ,必ずしもが,0.053の0.986とEERのAUROCを得るから生じる。標準VISOBデータベース上で筆者らの性能をベンチマーク,最新の方法より性能が優れ,0.001%のFPRで99.5%のTPRを達成した。筆者らの方法論のロバスト性と顕著な性能を考慮すれば,我々のシステムは,最小誤差を有する実用的な用途に使用することができる。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： ベンチマーク ,  学習 ,  画像 ,  *畳込み ,  幾何学 ,  基準線 ,  ロバスト性 ,  虹彩 ,  *バイオメトリクス ,  計算機アーキテクチャ ,  データベース ,  *スマートフォン
準シソーラス用語： 特徴ベクトル ,  ハイブリッドモデル ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 眼バイオメトリクス ,  畳込みニューラルネットワーク ,  虹彩ベース認識 ,  眼周囲画像 ,  スマートフォンバイオメトリクス

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

タイトルに関連する用語 (4件)： 眼 ,  スマートフォン ,  バイオメトリクス ,  畳込みニューラルネットワーク