Iris-SAM: Iris Segmentation Using a Foundational Model

要約

虹彩セグメンテーションは虹彩生体認証システムの重要なコンポーネントであり、眼の画像から輪状虹彩領域を抽出することが含まれます。
この研究では、任意のオブジェクトのセグメント化に成功した基礎モデル、つまりセグメント エニシング モデル (SAM) からピクセル レベルの虹彩セグメンテーション モデルを開発します。
この研究の主な貢献は、眼球画像に対する SAM の微調整中のさまざまな損失関数の統合にあります。
特に、焦点損失の重要性は、クラスの不均衡問題 (つまり、虹彩ピクセルと非虹彩ピクセル) に戦略的に対処するため、微調整プロセスで実証されます。
ND-IRIS-0405、CASIA-Iris-Interval-v3、および IIT-Delhi-Iris データセットの実験では、虹彩セグメンテーションのタスクに対するトレーニング済みモデルの有効性が示されています。
たとえば、ND-IRIS-0405 データセットでは、最高のベースライン パフォーマンスの 89.75% と比較して、平均セグメンテーション精度 99.58% が達成されました。

要約(オリジナル)

Iris segmentation is a critical component of an iris biometric system and it involves extracting the annular iris region from an ocular image. In this work, we develop a pixel-level iris segmentation model from a foundational model, viz., Segment Anything Model (SAM), that has been successfully used for segmenting arbitrary objects. The primary contribution of this work lies in the integration of different loss functions during the fine-tuning of SAM on ocular images. In particular, the importance of Focal Loss is borne out in the fine-tuning process since it strategically addresses the class imbalance problem (i.e., iris versus non-iris pixels). Experiments on ND-IRIS-0405, CASIA-Iris-Interval-v3, and IIT-Delhi-Iris datasets convey the efficacy of the trained model for the task of iris segmentation. For instance, on the ND-IRIS-0405 dataset, an average segmentation accuracy of 99.58% was achieved, compared to the best baseline performance of 89.75%.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google