DANNET:深度注意力神经网络,用于有效地识别生物识别中的耳朵
Deepthy Mary Alex1, Kalpana Chowdary M2, Hanan Abdullah Mengash3
1Department of Electronics and Communication Engineering, Mangalam College of Engineering, Ettumanoor, Kerala, India.
PeerJ. Computer science
|February 3, 2025
概括
耳部生物识别可提供可靠的识别,特别是在戴口罩的情况下. 带有注意力阻断的编码器-解码器深度学习组合技术在耳朵细分方面实现了98.93%的准确性,提高了安全性.
科学领域:
- 计算机科学 计算机科学
- 生物识别信息 生物识别信息
- 人工智能的人工智能
背景情况:
- 由于COVID-19导致的口罩佩戴需要可靠的生物识别识别,而不仅仅是面部识别.
- 使用卷积神经网络 (CNN) 的现有耳部生物识别在准确性和效率方面面临挑战.
- 耳朵生物识别对于面部特征被掩盖时的识别至关重要.
研究的目的:
- 为准确的耳朵生物识别提出一种新的深度学习方法.
- 为了提高耳朵检测和细分精度,使用带有注意力机制的编码器解码器架构来提高耳朵检测和细分精度.
- 解决当前生物识别系统在部分面部遮情景中的局限性.
主要方法:
- 开发了一种编码解码器深度学习组合技术,结合了注意力阻断.
- 采用了两个YSegNets的集合,以提高耳朵细分性能.
- 使用结合的数据集验证了该方法:EarVN1.0,AMI和人脸.
主要成果:
- 实现了98.93%的细分框架准确度.
- 与单个YSegNet.Net相比,整体方法显示出更高的性能.
- 这种方法在对耳部图像进行强有力的细分方面被证明是有效的,减少了假阳性和假阴性.
结论:
- 拟议的编码器-解码器深度学习组合技术为耳朵生物识别提供了一个高度准确的解决方案.
- 这种方法在大型聚会和公共空间中对个人识别特别有价值.
- 该研究为口罩佩戴和其他面部阻塞场景提供了可行的生物识别解决方案.
