文献

J-GLOBAL ID：202202212535130637   整理番号：22A0856371

動的マージンソフトマックス損失を用いた指静脈識別表現の改善【JST・京大機械翻訳】

Improving finger vein discriminant representation using dynamic margin softmax loss

著者 (4件)： Li Huachuan (School of Computer Science and Engineering, University of Electronic Science and Technology of China, Chengdu, China) ,  Lyu Yi (School of Computer, University of Electronic Science and Technology of China, Zhongshan Institute, Zhongshan, China) ,  Duan Guiduo (School of Computer Science and Engineering, University of Electronic Science and Technology of China, Chengdu, China) ,  Chen Ci (School of Automation, Guangdong University of Technology, Guangzhou, China)
資料名： Neural Computing & Applications  (Neural Computing & Applications)
巻： 34  号： 5  ページ： 3589-3601  発行年： 2022年 
JST資料番号： W0703A  ISSN： 0941-0643  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 安全なバイオメトリック同定システムの需要増加により,指静脈認識は広く注目されている。最近の研究は指静脈の検証の進歩を遂げたが,画像からの指静脈の識別特徴の抽出は困難なままである。ソフトマックス関数とクロスエントロピー損失関数を結合することによって特徴を抽出する伝統的方法は,クラス間の分離を達成することができるが,それは識別性がない。さらに,固定マージンを設定する方法は良い結果をもたらすが,それは重複するいくつかの特徴を引き起こすかもしれない。いくつかの特徴が他の特徴からよく分離される場合,マージン集合は低減する必要があると主張する。したがって,動的マージンソフトマックス損失(動的ソフトマックス)を,識別画像特徴を得るために,本研究で提案した。特徴および重みベクトルを正規化し,次に,損失関数動力学を,異なるクラスに対して異なる余弦間隔を達成するために調整した。この方法の主なアイデアはクラス間の距離を最大化し,クラス間の距離を最小化することである。この方式は,ニューラルネットワークモデルの最適化の複雑性を増加せずに分離する特徴を保つことができる。それは他の損失関数より簡単でより効果的である。実験は,指静脈認識のための提案方法の有効性を証明した。Copyright The Author(s), under exclusive licence to Springer-Verlag London Ltd., part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  ベクトル ,  *損失関数 ,  ニューラルネットワーク ,  画像特性 ,  有効性 ,  正規化 ,  IDシステム
準シソーラス用語： 神経回路網モデル ,  複雑性 ,  *指静脈 ,  クロスエントロピー ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： バイオメトリック同定 ,  指静脈認識 ,  特徴表現 ,  畳込みニューラルネットワーク

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 損失 ,  指静脈 ,  識別 ,  表現