Log-Likelihood Score Level Fusion for Improved Cross-Sensor Smartphone Periocular Recognition

要約

カメラや個人用デバイスの普及により、撮像条件が大幅に変動し、クラス内で大きなばらつきが生じ、異種環境からの画像を比較するとパフォーマンスが大幅に低下します。
ただし、多くのアプリケーションは、異なるソースからのデータを定期的に処理する必要があるため、これらの相互運用性の問題を克服する必要があります。
ここでは、複数のコンパレータを融合して、異なるスマートフォンからの画像を比較する際の眼周囲のパフォーマンスを向上させます。
線形ロジスティック回帰に基づく確率的融合フレームワークを使用します。このフレームワークでは、融合スコアは対数尤度比になる傾向があり、融合によりクロスセンサー EER が最大 40% 削減されます。
また、当社のフレームワークは、同一センサーおよびクロスセンサーのスコア分布が調整され、共通の確率領域にマッピングされるため、さまざまなデバイスからの信号を処理する洗練されたシンプルなソリューションも提供します。
これにより、最適な意思決定にベイズしきい値を使用できるようになり、センサー固有のしきい値が不要になります。これは、しきい値の設定が多くのアプリケーションで認証プロセスの精度を決定するため、運用条件では不可欠です。

要約(オリジナル)

The proliferation of cameras and personal devices results in a wide variability of imaging conditions, producing large intra-class variations and a significant performance drop when images from heterogeneous environments are compared. However, many applications require to deal with data from different sources regularly, thus needing to overcome these interoperability problems. Here, we employ fusion of several comparators to improve periocular performance when images from different smartphones are compared. We use a probabilistic fusion framework based on linear logistic regression, in which fused scores tend to be log-likelihood ratios, obtaining a reduction in cross-sensor EER of up to 40% due to the fusion. Our framework also provides an elegant and simple solution to handle signals from different devices, since same-sensor and cross-sensor score distributions are aligned and mapped to a common probabilistic domain. This allows the use of Bayes thresholds for optimal decision-making, eliminating the need of sensor-specific thresholds, which is essential in operational conditions because the threshold setting critically determines the accuracy of the authentication process in many applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google