EdgeEar: Efficient and Accurate Ear Recognition for Edge Devices

要約

耳認識は、さまざまなドメインにわたってアプリケーションを備えた非接触で控えめな生体認証技術です。
ただし、リソースに制約のあるデバイスに高性能の耳認識モデルを展開することは困難であり、適用性と広範な採用を制限しています。
このペーパーでは、この問題を解決するために、提案されているハイブリッドCNNトランスフォーマーアーキテクチャに基づいた軽量モデルであるEdgearを紹介します。
低ランクの近似を特定の線形層に組み込むことにより、エッジアアはパラメーターカウントを現在の最先端と比較して50倍に減少させ、競争の精度を維持しながら200万未満をもたらします。
制約のない耳認識チャレンジ（UERC2023）のベンチマークに関する評価は、Edgearが最低のEERを達成しながら計算コストを大幅に削減することを示しています。
これらの調査結果は、効率的かつ正確な耳認識の実現可能性を示しています。これは、耳の生体認証のより広い採用に貢献すると考えています。

要約(オリジナル)

Ear recognition is a contactless and unobtrusive biometric technique with applications across various domains. However, deploying high-performing ear recognition models on resource-constrained devices is challenging, limiting their applicability and widespread adoption. This paper introduces EdgeEar, a lightweight model based on a proposed hybrid CNN-transformer architecture to solve this problem. By incorporating low-rank approximations into specific linear layers, EdgeEar reduces its parameter count by a factor of 50 compared to the current state-of-the-art, bringing it below two million while maintaining competitive accuracy. Evaluation on the Unconstrained Ear Recognition Challenge (UERC2023) benchmark shows that EdgeEar achieves the lowest EER while significantly reducing computational costs. These findings demonstrate the feasibility of efficient and accurate ear recognition, which we believe will contribute to the wider adoption of ear biometrics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google