文献

J-GLOBAL ID：202102279648580486   整理番号：21A0152580

ロバストな深層学習技術:瞳孔セグメンテーションのためのU-Netアーキテクチャ【JST・京大機械翻訳】

Robust Deep Learning Technique: U-Net Architecture for Pupil Segmentation

著者 (3件)： Gowroju Swathi (Lovely Professional University,Computer Science Engineering,Punjab,India) ,  Aarti (Lovely Professional University,Computer Science Engineering,Punjab,India) ,  Kumar Sandeep (Electronics & Communication Engineering, Sreyas Institute of Engineering and Technology,Hyderabad,India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IEMCON  ページ： 0609-0613  発行年： 2020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： 多くの虹彩バイオメトリックアプリケーションは,注視の追跡,疲労の検出,および,人間-コンピュータインタラクションおよび境界制御アプリケーションや犯罪追跡アプリケーションのようなセキュリティアプリケーションのために構築された人の年齢の予測において,主要な役割を演ずる。本論文では,瞳の正確なセグメンテーションを行うために,新しいCNN U-Netベースモデルを提案した。CASIAデータベース上で実験を行い,セグメンテーションにおいて90%の精度を生成した。モデルの効率を予測するために,精度,損失,および平均二乗誤差(MSE)のような様々なパラメータを考察した。提案システムは,1.24のMSEで512×512画像から瞳のセグメンテーションを実行した。Copyright 2021 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： *セグメンテーション ,  データベース ,  虹彩 ,  犯罪 ,  応用プログラム ,  *計算機アーキテクチャ ,  *ロバスト性 ,  セキュリティ
準シソーラス用語： 平均二乗誤差 ,  *深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： ロバスト ,  深層学習 ,  瞳孔 ,  セグメンテーション ,  U-Net ,  アーキテクチャ