May, 2024

推进耳部生物特征识别：通过深度学习提高准确性和鲁棒性

PDF
TL;DR本研究关注耳部生物特征识别，通过利用其独特特征来提高准确性、可靠性和实用性，并证明了耳部生物特征识别在克服面部表情和光照条件变化等局限性方面的有效性。通过数据预处理和增强等技术，我们的模型在 AMI 数据集上实现了 99.35% 的测试准确率，并在 EarNV1.0 数据集上实现了 98.1% 的测试准确率，展示了我们方法在基于耳部生物特征的个体识别方面的有效性。
发现论文，激发创造
  • 基于深度耳部生物特征的性别分类

    基于生物特征的人类性别分类是计算机视觉领域的一个重要问题，本研究使用深度卷积神经网络模型对耳部图像进行自动性别分类，通过在 EarVN1.0 耳朵数据集上进行评估，准确率达到 93%。

    Aug, 2023

  • 耳朵识别：不仅仅是一份调查

    本论文介绍了自动耳识别技术的最新进展，主要讨论了基于描述符的方法。除此之外，该论文还引入了一个包含多种现代技术的工具箱和一个完全自由的耳图像数据集，目的是解决领域中的一些问题并向研究社区公开提供。

    Nov, 2016

  • 耳部图像的年龄和性别分类

    本研究通过深度卷积神经网络方法和基于几何和外观特征的方法对耳部图像进行建模，以进行性别和年龄分类。我们利用了几何特征和外观方法的混合模型，其中一些知名的卷积神经网络模型包括 AlexNet、VGG-16、GoogLeNet 和 SqueezeNet。实验结果表明，采用外观的方法比基于几何的方法更有效，并且我们在性别分类中达到了 94％的精度，而在年龄分类中只达到了 52％的精度。

    Jun, 2018

  • 利用神经网络的生物计量学

    生物识别技术在数字身份识别中发挥着重要作用，然而当前的技术仍存在一定的安全性和精确性问题。本文调查了基于神经网络的各种生物识别技术，强调了对提高精确性和可靠性的不断追求，得出了神经网络与生物特征结合不仅可以提高准确性，还有助于整体安全性的结论。

    Feb, 2024

  • ECG 生物特征识别：评述、系统提出和基准评估

    本研究利用一个大型数据库训练出深度学习技术的特征提取器，结合多种单、多阶段及多种导联心电图实验，实现了 ECG 生物识别技术的精细分析及比较，并通过多个公共数据库的验证，进一步优化了模型，提出了行之有效的改进建议。

    Apr, 2022

  • 评估用于耳部掩膜分割的新型 Mask-RCNN 架构

    本文研究使用基于耳朵的生物识别技术，探讨耳朵检测和分割的关键算法，训练和比较三种新模型与现有的 MaskRCNN 模型，并根据四个数据集的平均精度得分 (AP) 表明，新模型表现更好，但是单一模型无法最佳地适应多个数据集。

    Nov, 2022

  • 多模态年龄和性别分类：使用耳朵和侧脸图像

    本文提出了基于多模态深度神经网络框架的人脸及耳朵综合识别系统，通过探索不同的多模态策略和领域适应技术，同时结合面部及耳部图像信息，成功实现了高精度的年龄和性别识别。

    Jul, 2019

  • 基于深度学习的时空面部特征视觉语音识别

    本研究提出了一种利用面部识别和语言时的面部特征运动的身份验证过程，该过程不受语言限制且在低资源计算环境中具有 96.1% 准确率的表现。

    Apr, 2023

  • 生物计量学的理论极限

    生物测量学在识别准确性方面表现出了其能力。本文提出了一种理论分析方法来解决生物识别系统的可区分性问题，并展示了人口规模与避免冲突所需的独立位数之间的简单关系。研究结果令人鼓舞，因为整个地球人口的生物测量数据可以储存在一个普通硬盘上，还留有一些空间用于噪声和冗余。

    Nov, 2023

  • 生物特征识别：信任，但验证

    本文就生物识别技术面临的问题进行了调查，包括认知性能、安全性、公平性、数据归集和用户隐私等，并提出了如何解决这些问题以提高其安全性和公信力的建议。

    May, 2021