在本文中,我们开发Faceqgen,基于生成的对抗网络的面部图像的No参考质量评估方法,其产生与面部识别精度相关的标量质量测量。 Faceqgen不需要标记为培训的质量措施。它从使用SCFace数据库从头开始培训。 Faceqgen将图像恢复应用于未知质量的面部图像,将其转换为规范的高质量图像,即正面姿势,均匀的背景等。质量估计是原始图像和恢复图像之间的相似性,因为低质量图像由于恢复而体验更大的变化。我们比较三种不同的数值质量措施:a)原始和恢复的图像之间的MSE,b)他们的SSIM和c)甘杆菌鉴别器的输出得分。结果表明,面部QGEN的质量措施是面部识别准确性的良好估计。我们的实验包括与针对面部和一般图像设计的其他质量评估方法的比较,以便在现有技术中定位面部。这种比较表明,即使面对面识别准确性预测方面不超过最佳现有的面部质量评估方法,它也实现了足够的结果,以证明质量估计的半监督学习方法的潜力(特别是数据 - 基于每个受试者的单一高质量图像的驱动学习),具有提高未来性能的能力,通过对模型的充分改进以及竞争方法的显着优势,不需要质量标签的发展。这使得Faceqgen灵活且可扩展,而无需昂贵的数据策激。
translated by 谷歌翻译
这项工作提出了基于眼闪烁频率的远程关注水平估计的可行性研究。我们首先提出了一种基于卷积神经网络(CNNS)的眼睛闪烁检测系统,对相关工程非常竞争。使用此探测器,我们通过在线会话期间通过实验评估眼睛眨眼率与学生的注意力水平之间的关系。实验框架是使用公共多模式数据库进行的用于眼睛眨眼检测和称为Mebal的注意力水平估计,包括来自38名学生的数据和倍数采集传感器,特别是i)提供时间信号的脑电图(EEG)频带从学生的认知信息和ii)RGB和NIR相机捕捉学生面部姿势。实现的结果表明眼睛闪烁频率与关注水平之间的反比相关性。在我们所提出的方法中使用该关系,称为ALEBK,用于估计注意力水平作为眼睛闪烁频率的倒数。我们的成果开设了新的研究线,以介绍这种技术的关注水平估计,以及这种行为生物识别基于面部分析的其他应用。
translated by 谷歌翻译
可取消的生物识别性是指一组技术,其中生物识别输入在处理或存储前用键有意地转换。该转换是可重复的,可以实现后续生物特征比较。本文介绍了一种可消除生物识别性的新方案,旨在保护模板免受潜在攻击,适用于任何基于生物识别的识别系统。我们所提出的方案基于从变形随机生物识别信息获得的时变键。给出了面部生物识别技术的实验实施。结果证实,该方法能够在提高识别性能的同时抵抗泄漏攻击。
translated by 谷歌翻译
虹膜识别技术在过去几十年中吸引了日益增长的兴趣,我们目睹了从研究实验室迁移到现实世界应用的迁移。该技术的部署提出了关于与这些系统相关的主要漏洞和安全威胁的问题。在这些威胁中,介绍攻击突出了一些最相关和研究的。呈现攻击可以被定义为人类特征或工件的呈现直接到试图干扰其正常操作的生物识别系统的捕获设备。在虹膜的情况下,这些攻击包括使用真正的虹膜以及具有不同级别的复杂程度的工件,例如照片或视频。本章介绍了已开发的虹膜演示攻击检测(PAD)方法,以降低呈现攻击所带来的风险。首先,我们总结了最受欢迎的攻击类型,包括地址的主要挑战。其次,我们提出了一个介绍攻击检测方法的分类,作为这一非常活跃的研究区域的简要介绍。最后,我们讨论了这些方法根据实际应用中最重要的情况识别虹膜识别系统。
translated by 谷歌翻译
本章的主要范围是作为面部介绍攻击检测的介绍,包括过去几年的关键资源和领域的进步。下一页呈现了面部识别系统可以面对的不同演示攻击,其中攻击者向传感器提供给传感器,主要是相机,呈现攻击仪器(PAI),这通常是照片,视频或掩码,试图冒充真正的用户。首先,我们介绍了面部识别的现状,部署水平及其挑战。此外,我们介绍了面部识别系统可能暴露的漏洞和可能的攻击,表明呈现攻击检测方法的高度重要性。我们审核不同类型的演示攻击方法,从更简单到更复杂,在哪个情况下它们可能是有效的。然后,我们总结了最受欢迎的演示文稿攻击检测方法来处理这些攻击。最后,我们介绍了研究界使用的公共数据集,以探索面部生物识别性的脆弱性,以呈现攻击,并对已知的PAI制定有效的对策。
translated by 谷歌翻译
在本文中,我们开发FaceQVEC,一种软件组件,用于估计ISO / IEC 19794-5中所考虑的每个要点的面部图像的符合性,这是一个质量标准,该标准定义了将它们可接受或不可接受的面部图像的一般质量指南用于官方文件,如护照或身份证。这种质量评估的工具可以有助于提高面部识别的准确性,并确定哪些因素影响给定的面部图像的质量,并采取行动消除或减少这些因素,例如,具有后处理技术或重新获取图像。 FaceQVEC由与上述标准中预期的不同点相关的25个单独测试的自动化,以及被认为与面部质量有关的图像的其他特征。我们首先包括在现实条件下捕获的开发数据集上评估的质量测试的结果。我们使用这些结果来调整每个测试的判定阈值。然后,我们再次在评估数据库中再次检查,该评估数据库包含在开发期间未见的新脸部图像。评估结果展示了个人测试的准确性,用于检查遵守ISO / IEC 19794-5。 Faceqvec可在线获取(https://github.com/uam-biometrics/faceqvec)。
translated by 谷歌翻译
本文是第一个探索自动检测深度卷积神经网络中的自动化方法,只需查看其权重。此外,它也是了解神经网络以及它们的工作方式。我们表明,确实可以知道模型是否偏离或不仅仅是通过查看其权重,而没有特定输入的模型推断。我们分析了使用彩色MNIST数据库的玩具示例在深网络的权重中编码偏差,并且我们还提供了使用最先进的方法和实验资源从面部图像进行性别检测的现实案例研究。为此,我们生成了两个具有36k和48K偏置模型的数据库。在MNIST模型中,我们能够检测它们是否具有超过99%的精度呈现强大或低偏差,我们还能够在四个级别的偏差之间进行分类,精度超过70%。对于面部模型,我们在区分偏向亚洲,黑人或高加索人的型号的模型方面取得了90%的准确性。
translated by 谷歌翻译
我们提出了一种分层骨骼引导的运动计划算法来指导移动机器人。良好的骨骼绘制了C空间子空间的连接性,该子空间包含显着的自由度,并能够引导计划者快速找到所需的解决方案。但是,有时骨骼并不能密切代表自由的C空间,这通常会误导当前的骨架引导的计划者。分层骨骼指导的计划策略逐渐放松其对工作区骨骼的依赖,因为C空间被采样,从而逐渐返回了一条次优路径,该路径在标准骨架引导的算法中无法保证。与标准骨骼指导计划者和其他懒惰计划策略的实验比较显示了路线图施工时间的显着改善,同时保持混乱环境中多电量问题的路径质量。
translated by 谷歌翻译
当加强学习以稀疏的奖励应用时,代理必须花费很长时间探索未知环境而没有任何学习信号。抽象是一种为代理提供在潜在空间中过渡的内在奖励的方法。先前的工作着重于密集的连续潜在空间,或要求用户手动提供表示形式。我们的方法是第一个自动学习基础环境的离散抽象的方法。此外,我们的方法使用端到端可训练的正规后继代表模型在任意输入空间上起作用。对于抽象状态之间的过渡,我们以选项的形式训练一组时间扩展的动作,即动作抽象。我们提出的算法,离散的国家行动抽象(DSAA),在训练这些选项之间进行迭代交换,并使用它们有效地探索更多环境以改善状态抽象。结果,我们的模型不仅对转移学习,而且在在线学习环境中有用。我们从经验上表明,与基线加强学习算法相比,我们的代理能够探索环境并更有效地解决任务。我们的代码可在\ url {https://github.com/amnonattali/dsaa}上公开获得。
translated by 谷歌翻译
作物产量预测是基于领域的多源周期性观察可以自动化的精密农业任务之一。我们使用培训的卷积神经网络(CNN)在与结合雷达卫星图像和地面信息的数据上培训的卷积神经网络(CNN)来解决产量预测问题。我们介绍了一个名为Hyper3DNETREG的CNN架构,其采用多通道输入图像并输出二维栅格,其中每个像素表示相应的输入像素的预测产量值。我们利用从Sentinel-1卫星获取的雷达数据,而在地面数据对应于一组六个光栅特征:施加的氮速率,降水,坡度,高度,地形位置指数(TPI)和方面。我们使用在冬小麦生长季节(3月)早期收集的数据来预测收获季节(8月)期间的产量值。我们在冬小麦的四个领域提出了实验,并表明我们的提出方法产生了比五个比较方法更好的结果,包括多个线性回归,使用Adaboost,堆叠的AutoEncoder和另外两个CNN架构的前馈网络的集合。
translated by 谷歌翻译