距離学習を導入したCNNによる視線認証の性能評価

カテゴリ：部門大会

論文No：OS2-7

グループ名：【C】2025年電気学会電子・情報・システム部門大会

発行日：2025/8/20

タイトル(英語)：Performance Evaluation of Gaze-based Personal Authentication Using CNN with Metric Learning

著者名：辻川 瑛生（富山県立大学）,高野 博史（富山県立大学）,布施 陽太郎（富山県立大学）,ミャグマルドラム ビルグウンマ（富山県立大学）,本吉 達郎（富山県立大学）,高木 昇（富山県立大学）

著者名(英語)： Eiki Tsujikawa (Toyama Prefectual University),Hironobu Takano (Toyama Prefectual University),Yotaro Fuse (Toyama Prefectual University),Bilguunmaa Myagmardulam (Toyama Prefectual University),Tatsuo Motoyoshi (Toyama Prefectual University),Noboru Takagi (Toyama Prefectual University)

キーワード：バイオメトリクス,距離学習,視線,深層学習,Biometrics,Metric Learning,Eye Movemernt,Deep Learning

要約(日本語)：行動的特徴を用いた生体認証は身体的特徴を用いた生体認証に比べ，認証精度は低いが偽造するのが困難であることが特徴である．視線情報を用いた生体認証では特に，利用者の負荷が低く，ショルダーサーフィン攻撃への耐性があるなど利点が多い認証法である．本研究では，画像呈示により誘発された視線情報を用いた個人認証法の確立を目的とする．認証精度の評価としてSENetを導入したCNNが使用されているが，距離学習を導入することによる評価はされていない．そこで，本研究では深層距離学習を導入することによる有効性の評価を行った．実験の結果より，ベースモデルであるCNNに深層距離学習を導入することで認証精度の向上は認められなかった．

本誌掲載ページ：852-855p

原稿種別：日本語

PDFファイルサイズ：454Kバイト