Exploring Transformers for Behavioural Biometrics: A Case Study in Gait Recognition

要約

モバイルデバイスのバイオメトリクスは、ユーザーフレンドリーな認証方法と見なされているため、近年大きな注目を集めています。
この関心は、ディープラーニング（DL）の成功によっても動機付けられています。
畳み込みニューラルネットワーク（CNN）とリカレントニューラルネットワーク（RNN）に基づくアーキテクチャは、タスクに便利であり、従来の機械学習手法と比較してパフォーマンスと堅牢性を向上させるために確立されています。
ただし、いくつかの側面を再検討して改善する必要があります。
私たちの知る限り、これは、現在多くのアプリケーションで最先端のパフォーマンスを実現しているTransformersに基づく新しい歩行生体認証システムを調査および提案することを目的とした最初の記事です。
実験的なフレームワークでは、いくつかの最先端のアーキテクチャ（Vanilla、Informer、Autoformer、Block-Recurrent Transformer、およびTHAT）が考慮されています。
さらに、パフォーマンスをさらに向上させるために、トランスの新しい構成が提案されています。
実験は、2つの人気のある公開データベースwhuGAITとOU-ISIRを使用して実行されます。
達成された結果は、提案されたTransformerの高い能力を証明し、最先端のCNNおよびRNNアーキテクチャを上回っています。

要約(オリジナル)

Biometrics on mobile devices has attracted a lot of attention in recent years as it is considered a user-friendly authentication method. This interest has also been motivated by the success of Deep Learning (DL). Architectures based on Convolutional Neural Networks (CNNs) and Recurrent Neural Networks (RNNs) have been established to be convenient for the task, improving the performance and robustness in comparison to traditional machine learning techniques. However, some aspects must still be revisited and improved. To the best of our knowledge, this is the first article that intends to explore and propose novel gait biometric recognition systems based on Transformers, which currently obtain state-of-the-art performance in many applications. Several state-of-the-art architectures (Vanilla, Informer, Autoformer, Block-Recurrent Transformer, and THAT) are considered in the experimental framework. In addition, new configurations of the Transformers are proposed to further increase the performance. Experiments are carried out using the two popular public databases whuGAIT and OU-ISIR. The results achieved prove the high ability of the proposed Transformer, outperforming state-of-the-art CNN and RNN architectures.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google