FacEDiM: A Face Embedding Distribution Model for Few-Shot Biometric Authentication of Cattle

要約

この作業では、事前トレーニング済みの CNN を使用して取得したトレーニング埋め込みの多変量ガウス分布と、テスト埋め込み間のマハラノビス距離を計算することにより、少数ショットの生体認証の問題を解決することを提案しています。
実験結果は、ImageNet データセットで事前トレーニングされたモデルが、人間の顔で事前トレーニングされたモデルよりも大幅に優れていることを示しています。
VGG16 モデルでは、20 頭の牛のアイデンティティのデータセットで 1.25% の FAR に対して 1.18% の FRR が得られます。

要約(オリジナル)

This work proposes to solve the problem of few-shot biometric authentication by computing the Mahalanobis distance between testing embeddings and a multivariate Gaussian distribution of training embeddings obtained using pre-trained CNNs. Experimental results show that models pre-trained on the ImageNet dataset significantly outperform models pre-trained on human faces. With a VGG16 model, we obtain a FRR of 1.18% for a FAR of 1.25% on a dataset of 20 cattle identities.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google