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

要約

この研究では、テスト用埋め込みと、事前トレーニングされた CNN を使用して取得されたトレーニング用埋め込みの多変量ガウス分布の間のマハラノビス距離を計算することで、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 モデルを使用すると、20 頭の牛の ID のデータセットで 1.18% の FAR に対して 1.25% 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 1.25% for a FAR of 1.18% on a dataset of 20 cattle identities.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google