Odhad kvality snímků duhovky pro identifikaci osob
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
B
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
Identifikácia osôb pomocou dúhovky predstavuje jeden z najpresnejších spôsobov biometrickej identifikácie. Pri všetkých biometrických systémoch je možné zapríčiniť rôzne chyby verifikácie nekvalitným vstupom. Odhadom kvality je možné odstrániť práve nekvalitné vstupy. V oblasti odhadu kvality snímok dúhovky je pomerne nevýrazný vývoj a veľa metód, ktoré by potenciálne mohli byť využité zatiaľ nie sú v tejto oblasti vyskúšané. Táto práca sa zameriava na použitie rôznych metód odhadu kvality využívaných pri rozpoznávaní tvárí. Tieto metódy odhadu kvality sú následne v tejto práci aplikované na oblasť identifikácie pomocou dúhovky. V riešení sú využité verifikačné systémy založené na rôznych konfigurácii architektúr iResNet a MobileNetV3. Na jednotlivé systémy sú aplikované vybrané metódy odhadu kvality. Jednotlivé metódy odhadu kvality buď to systém priamo trénujú alebo využívajú jeho výstupy pre získanie informácii o kvalite. Aplikované metódy odhadu kvality sú porovnané na štyroch rôznych dátových sadách. Na niektorých dátových sadách ako napríklad University of Notre Dame Iris CrossSensor 2013 dosahuje výsledný systém s aplikovaním najlepšej metódy odhadu kvality pri 10% odmietnutých vstupných pároch a false match rate 0.1% zníženie verifikačnej chyby false non-match rate až o 56% na hodnotu 0.5% pri iResNet50 a pri systéme založenom na MobileNetV3 až o 22% na hodnotu 6.4%.
Iris image recognition is one of the most accurate ways of biometric identification. Various verification errors can be caused if the biometric system receives poor input. By assessing the image quality it is possible to eliminate inputs causing such errors. There is a relatively insignificant development in the field of iris quality assessment and many methods that could potentially be used have not been tested in this area yet. This work focuses on different quality assessment methods used in face recognition. These quality assessment methods are then applied to the area of iris identification. The solution uses verification systems based on various iResNet and MobileNetV3 architectures. Selected quality assessment methods are applied to individual systems. Different quality assessment methods train either the system directly or use its outputs to obtain information about quality. The resulting system achieves a reduction of false non-match rate by up to 56% with the absolute value of 0.5% for iResNet50 and up to 22 \% with the absolute value of 6.4% for MobileNetV3 when using the best quality assessment method. The results are given for the data set University of Notre Dame Iris CrossSensor 2013 with an input reject rate of 10% and a false match rate of 0.1%.
Iris image recognition is one of the most accurate ways of biometric identification. Various verification errors can be caused if the biometric system receives poor input. By assessing the image quality it is possible to eliminate inputs causing such errors. There is a relatively insignificant development in the field of iris quality assessment and many methods that could potentially be used have not been tested in this area yet. This work focuses on different quality assessment methods used in face recognition. These quality assessment methods are then applied to the area of iris identification. The solution uses verification systems based on various iResNet and MobileNetV3 architectures. Selected quality assessment methods are applied to individual systems. Different quality assessment methods train either the system directly or use its outputs to obtain information about quality. The resulting system achieves a reduction of false non-match rate by up to 56% with the absolute value of 0.5% for iResNet50 and up to 22 \% with the absolute value of 6.4% for MobileNetV3 when using the best quality assessment method. The results are given for the data set University of Notre Dame Iris CrossSensor 2013 with an input reject rate of 10% and a false match rate of 0.1%.
Description
Keywords
biometria, CR-FIQA, MagFace, neurónové siete, odhad kvality snímok dúhovky, PyTorch, PFE, rozpoznávanie snímok dúhovky, SDD-FIQA, SER-FIQ, strojové učenie, biometrics, CR-FIQA, MagFace, neural networks, iris image quality assessment, PyTorch, PFE, iris image recognition, SDD-FIQA, SER-FIQ, machine learning
Citation
VAŠKO, M. Odhad kvality snímků duhovky pro identifikaci osob [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2022.
Document type
Document version
Date of access to the full text
Language of document
sk
Study field
Inteligentní systémy
Comittee
doc. Ing. František Zbořil, CSc. (předseda)
doc. RNDr. Pavel Smrž, Ph.D. (místopředseda)
Ing. Michal Bidlo, Ph.D. (člen)
doc. Ing. Vladimír Janoušek, Ph.D. (člen)
Ing. Ondřej Kanich, Ph.D. (člen)
Dr. Ing. Petr Peringer (člen)
Date of acceptance
2022-06-20
Defence
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm B. Otázky u obhajoby: Ze všech experimentů a ze shrnující tabulky 8.10 se zdá, že o žádné metodě hodnocení kvality snímků nelze říct, že překonává ty ostatní - vždy velmi záleží na datech, použitém modelu neuronové sítě a dalších okolnostech. Je tedy řešený problém tak nahodilý a nevyzpytatelný? Studované metody mají zřejmě hodnotit kvalitu jednotlivého snímku, ale ve všech grafech je IRR komentováno jako podíl vyloučených párů . Bylo by možné analyzovat, zda zkoumané algoritmy reagují spíše na pár nebo spíše na jednoho z jeho jednotlivců? Lze tady očekávat nějaká zajímavá zjištění či překvapení? Jak přesně je vzorek (jakožto pár) hodnocen, když studované metody vždy analyzují jednotlivý obrázek? Proč jste použil vámi zvolené metody? Neexistují pro duhovky vlastní metody? Testoval jste vaše řešení i na dalších snímcích? Jaká byla velikost snímků, které jste používal? Jak probíhala verifikace vašeho řešení?
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení