マルチタスク学習のCNNを用いた可視光虹彩認証のための特徴抽出器の開発

カテゴリ: 部門大会

論文No: MC3-2

グループ名: 【C】2021年電気学会電子・情報・システム部門大会

発行日: 2021/09/08

タイトル(英語): Development of Feature Extractor for Visible Light Iris Recognition Using CNN Based on Multi-task Learning

著者名: 本田 哲也（富山県立大学）,高野 博史（富山県立大学）

著者名(英語): Tetsuya Honda (Graduate School of Engineering, Toyama Prefectural University),Hironobu Takano (Graduate School of Engineering, Toyama Prefectural University)

キーワード: 生体認証|虹彩認証|可視光虹彩認証|深層学習|CNNマルチタスク学習|Biometrics|Iris recognition|Visible light iris recognition|Deep learning|CNNMulti-task

要約(日本語): 昨今，スマートフォン等の本人認証には生体認証が利用されている．虹彩認証は顔などの生体認証法に比べて認証精度が高いため、スマートフォンの本人認証への応用が期待される．しかし，スマートフォンの多くには可視光カメラのみが搭載されている．可視光カメラは一般的に虹彩認証で用いられる近赤外カメラに比べて認証精度が低く，本来のパフォーマンスが発揮されない．本研究では，近赤外カメラによる虹彩画像を用いた個人認証と同等の精度を持つ可視光虹彩認証法の実現を目的とした．虹彩データセットを学習させたCNN（Convolutional Neural Network）の出力層をマルチタスクにした特徴抽出器を提案し，出力層がシングルタスクの場合と比較した．実験結果より，マルチタスクはシングルタスクより最大でEER（Equal Error Rate）が 2.27% 低下し，マルチタスクによる精度の向上が見られた．

PDFファイルサイズ: 765 Kバイト