[論文レビュー] Gender recognition and biometric identification using a large dataset of hand images.

Mahmoud Afifi|arXiv (Cornell University)|Nov 12, 2017

Biometric Identification and Security被引用数 8

ひとこと要約

本論文は、190名の被験者から収集した11,076枚の背面および掌面の手画像から構成される大規模な手画像データセットを紹介している。これらは一貫した照明条件下で撮影されたもので、性別認識およびバイオメトリクス的識別に用いられる。本研究では、性別分類のための2ストリーム畳み込みニューラルネットワーク（CNN）を提案し、その特徴量を用いてSVMを訓練して人物識別を実現している。コードとデータは公開されている。

ABSTRACT

The human hand possesses distinctive features which can reveal gender information. In addition, the hand is considered one of the primary biometric traits used to identify a person. In this work, we propose a large dataset of human hand images with detailed ground-truth information for gender recognition and biometric identification. The proposed dataset comprises of 11,076 hand images (dorsal and palmar sides), from 190 subjects of different ages under the same lighting conditions. Using this dataset, a convolutional neural network (CNN) can be trained effectively for the gender recognition task. Based on this, we design a two-stream CNN to tackle the gender recognition problem. This trained model is then used as a feature extractor to feed a set of support vector machine classifiers for the biometric identification task. To facilitate access to the proposed dataset and replication of our experiments, the dataset, trained CNN models, and Matlab source code are available at (this https URL).

研究の動機と目的

• 性別および本人識別に向けた詳細な真値を備えた大規模で高品質な手画像データセットの不足に対処すること。
• 手画像を用いた深層学習による頑健な性別認識システムの開発。
• 性別認識で学習した特徴量を、下流のバイオメトリクス的識別タスクに活用すること。
• 再現性およびさらなる研究を支援するため、公開可能なデータセットおよび訓練済みモデルの提供。

提案手法

• 被験者190名の多様な年齢層から、背面および掌面の手画像を11,076枚収集し、制御された照明条件下で撮影。
• 両方の手の面（背面および掌面）からの判別的特徴量を抽出するための2ストリーム畳み込みニューラルネットワーク（CNN）の設計。
• 収集したデータセット上で2ストリームCNNを訓練し、高い性別分類精度を達成。
• 訓練済みCNNを特徴量抽出器として用い、バイオメトリクス的識別用の埋め込み表現を生成。
• CNNで生成された特徴量を用いて、サポートベクターマシン（SVM）を適用し、人物識別を実行。
• データセット、訓練済みモデル、MATLABソースコードを公開し、再現性およびさらなる研究を可能に。

実験結果

リサーチクエスチョン

• RQ1 大規模かつ多様な手画像データセットは、深層学習を用いた性別認識の性能向上に寄与するか？
• RQ2 2ストリームCNNアーキテクチャは、背面および掌面の両方の手の画像を活用して性別分類にどの程度効果的か？
• RQ3 性別認識のために学習した特徴量は、どの程度バイオメトリクス的識別タスクに再利用可能か？
• RQ4 提案手法は、手画像を用いた既存のバイオメトリクス手法と比較してどの程度優れているか？

主な発見

• 提案された2ストリームCNNは、収集した手画像データセットを用いて高い性別認識精度を達成した。
• 性別認識モデルから抽出したCNN特徴量は、SVM分類器を用いる際、バイオメトリクス的識別性能を顕著に向上させた。
• 190名の被験者から得た11,076枚の手画像から構成されるデータセットは、頑健な深層学習モデルの学習に十分な多様性と品質を備えている。
• データセット、訓練済みモデル、およびソースコードの公開により、完全な再現性が確保され、手ベースバイオメトリクス分野における今後の研究を支援する。