| 講演名 | 2023-03-02 ネットワークと損失関数の学習バランスを制御可能な虹彩認証のための学習方法に関する検討 大塚 陸人(電通大), 庄司 悠歩(NEC), 荻野 有加(NEC), 戸泉 貴裕(NEC), 市野 将嗣(電通大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 本稿では，深層学習による虹彩認証に対して，ArcFaceなどの損失関数が持つ重みパラメータよりも，畳み込み層のカーネルなどのネットワークが持つ重みパラメータを重点的に学習する手法を提案する．深層学習を用いた虹彩認証では，虹彩画像から特徴ベクトルを抽出するためのネットワークを損失関数で学習し，学習済みネットワークを使用して認証を行う．一般にネットワークと損失関数は役割やパラメータ数が異なるにもかかわらず，多くの虹彩認証の先行研究においては，ネットワークが持つ重みパラメータと損失関数が持つ重みパラメータを区別せずに同じ更新幅で学習を行なっている．同じ更新幅で学習を行う場合，損失関数が持つ重みパラメータはネットワークが持つ重みパラメータよりもパラメータ数が少ないため，ネットワークよりも損失関数の方が学習の収束が速くなり，ネットワークが学習不足となることが考えられる．その結果，虹彩認証の認証性能の低下を引き起こす可能性がある．そこで，損失関数よりもネットワークを重点的に学習することで認証性能の向上を目指す． |
| 抄録(英) | In this paper, we propose a training method for iris recognition by deep learning that focuses on training weight parameters of a network such as kernels of convolutional layers rather than weight parameters of a loss function such as ArcFace. In iris recognition by deep learning, a network is trained with a loss function to extract feature vectors from iris images, and the trained network is used for the recognition phase. Many previous studies on iris recognition do not distinguish between the weight parameters of the network and the weight parameters of the loss function, and use the same amount of updates for training, despite the roles and the number of parameters being generally different. When training with the same updates, the loss function converges faster than the network, and the network will be under learning since the loss function has fewer weight parameters than the network has. As a result, it may cause a degradation of the performance of iris recognition. Therefore, we train the network more strongly than the loss function to improve the recognition performance of iris recognition. |
| キーワード(和) | 虹彩認証 / 深層学習 |
| キーワード(英) | Iris Recognition / Deep Learning |
| 資料番号 | BioX2022-72,CNR2022-38 |
| 発行日 | 2023-02-22 (BioX, CNR) |
| 研究会情報 | |
| 研究会 | CNR / BioX |
|---|---|
| 開催期間 | 2023/3/1(から2日開催) |
| 開催地（和） | 別府国際コンベンションセンター 小会議室31 |
| 開催地（英） | |
| テーマ（和） | アイデンティティとコミュニケーション，及び一般 |
| テーマ（英） | |
| 委員長氏名（和） | 神原 誠之(奈良先端大) / 今岡 仁(NEC) |
| 委員長氏名（英） | Masayuki Kanbara(NAIST) / Hitoshi Imaoka(NEC) |
| 副委員長氏名（和） | 西川 由理(産総研) / 奥井 宣広(KDDI総合研究所) / 高田 直幸(セコム) |
| 副委員長氏名（英） | Yuri Nishikawa(AIST) / Norihiko Okui(KDDI Research) / Naoyuki Takada(SECOM) |
| 幹事氏名（和） | 小林 優佳(東芝) / 村川 賀彦(名古屋産業大) / 早坂 昭裕(NEC) / 佐野 恵美子(クボタ) |
| 幹事氏名（英） | Yuka Kobayashi(Toshiba) / Yoshihiko Murakawa(Nagoya Sangyo Univ.) / Akihiro Hayasaka(NEC) / Emiko Sano(Kubota) |
| 幹事補佐氏名（和） | 星 祐太(NHK) / 大和 淳司(工学院大) / 鈴木 裕之(群馬大) / 白川 真一(横浜国大) |
| 幹事補佐氏名（英） | Yuta Hoshi(NHK) / Junji Yamato(Kogakuin Univ.) / Hiroyuki Suzuki(Gunma Univ) / Shinichi Shirakawa(Yokohama National Univ.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Cloud Network Robotics / Technical Committee on Biometrics |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | ネットワークと損失関数の学習バランスを制御可能な虹彩認証のための学習方法に関する検討 |
| サブタイトル（和） | |
| タイトル（英） | A Study on Training Methods for Iris Recognition that Can Control Balance of Learning between Network and Loss Function |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 虹彩認証 / Iris Recognition |
| キーワード(2)（和/英） | 深層学習 / Deep Learning |
| 第 1 著者 氏名（和/英） | 大塚 陸人 / Rikuto Otsuka |
| 第 1 著者 所属（和/英） | 電気通信大学(略称：電通大) he University of Electro-Communications(略称：UEC) |
| 第 2 著者 氏名（和/英） | 庄司 悠歩 / Yuho Shoji |
| 第 2 著者 所属（和/英） | 日本電気株式会社(略称：NEC) NEC Corporation(略称：NEC) |
| 第 3 著者 氏名（和/英） | 荻野 有加 / Yuka Ogino |
| 第 3 著者 所属（和/英） | 日本電気株式会社(略称：NEC) NEC Corporation(略称：NEC) |
| 第 4 著者 氏名（和/英） | 戸泉 貴裕 / Takahiro Toizumi |
| 第 4 著者 所属（和/英） | 日本電気株式会社(略称：NEC) NEC Corporation(略称：NEC) |
| 第 5 著者 氏名（和/英） | 市野 将嗣 / Masatsugu Ichino |
| 第 5 著者 所属（和/英） | 電気通信大学(略称：電通大) he University of Electro-Communications(略称：UEC) |
| 発表年月日 | 2023-03-02 |
| 資料番号 | BioX2022-72,CNR2022-38 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | BioX-394,CNR-395 |
| ページ範囲 | pp.59-64(BioX), pp.59-64(CNR), |
| ページ数 | 6 |
| 発行日 | 2023-02-22 (BioX, CNR) |