[論文レビュー] Toward Accurate and Reliable Iris Segmentation Using Uncertainty Learning

Jianze Wei, Huaibo Huang+5 more|arXiv (Cornell University)|Oct 20, 2021

Biometric Identification and Security参考文献 33被引用数 5

ひとこと要約

本稿では、解像度の損失なしに空間的および視覚的文脈を捉えるバイラテラル自己注意モジュールを備えたトランスフォーマー基盤の虹彩セグメンテーションモデル、BiTransを提案する。また、予測の信頼性を推定するための虹彩セグメンテーション不確実性学習（ISUL）を導入し、補助ヘッドを用いて不確実性マップを生成、重み付けスキームと正則化項を介してモデル性能を向上させる。特に難易度の高い線路領域（limbic region）において顕著な性能向上を達成し、IrisParseNetと比較して20%のFLOPs削減で最先端性能（SOTA）を達成した。

ABSTRACT

Iris segmentation is a deterministic part of the iris recognition system. Unreliable segmentation of iris regions especially the limbic area is still the bottleneck problem, which impedes more accurate recognition. To make further efforts on accurate and reliable iris segmentation, we propose a bilateral self-attention module and design Bilateral Transformer (BiTrans) with hierarchical architecture by exploring spatial and visual relationships. The bilateral self-attention module adopts a spatial branch to capture spatial contextual information without resolution reduction and a visual branch with a large receptive field to extract the visual contextual features. BiTrans actively applies convolutional projections and cross-attention to improve spatial perception and hierarchical feature fusion. Besides, Iris Segmentation Uncertainty Learning is developed to learn the uncertainty map according to prediction discrepancy. With the estimated uncertainty, a weighting scheme and a regularization term are designed to reduce predictive uncertainty. More importantly, the uncertainty estimate reflects the reliability of the segmentation predictions. Experimental results on three publicly available databases demonstrate that the proposed approach achieves better segmentation performance using 20% FLOPs of the SOTA IrisParseNet.

研究の動機と目的

• 虹彩認識システムにおける主なボトル neck である、特に線路領域（limbic region）における信頼性の低い虹彩セグメンテーションを解消すること。
• 眼画像における長距離の空間的および視覚的依存関係をモデル化することで、セグメンテーションの精度と信頼性を向上させること。
• 推論の複雑さを増さずに、信頼性の高いモデルを実現するための低コストな不確実性推定モジュールを開発すること。
• 最先端手法と比較して、セグメンテーション性能を維持または向上させながら、計算コストを低減すること。

提案手法

• 解像度を保持する空間ブランチと、広い受容 field を持つ視覚ブランチを備えた二重ブランチ構造のバイラテラル自己注意モジュールを提案。
• 畳み込み投影とクロスアテンションを用いることで空間的認識力と階層的特徴統合を向上させる、残差型エンコーダ-デコーダトランスフォーマーベースのバックボーン「BiTrans」を構築。
• 異なるネットワーク深さでの出力を予測する補助ヘッドを追加し、予測の乖離を推定することで、虹彩セグメンテーション不確実性学習（ISUL）を構築。
• 補助出力と本出力の乖離を用いて、セグメンテーション結果の信頼性を反映する不確実性マップを生成。
• バックプロパゲーション中に、高不確実性ピクセルに高い勾配を割り当てる重み付けスキームを適用し、曖昧な領域での学習を強化。
• 予測不確実性が高くなるのを抑制する正則化項を組み込み、信頼性の低い予測における不確実性を低減させる。

実験結果

リサーチクエスチョン

• RQ1 空間的レイアウトと視覚的テクスチャの文脈を両方モデル化できる、バイラテラルアテンションを備えたトランスフォーマー基盤アーキテクチャは、虹彩セグメンテーションの精度を向上させ得るか？
• RQ2 セグメンテーション予測の不確実性を効果的に推定し、モデルの信頼性向上に活用できるか？
• RQ3 重み付けと正則化を用いた不確実性に配慮した訓練は、特に線路領域（limbic area）のような難易度の高い領域において、測定可能な性能向上をもたらすか？
• RQ4 補助ヘッドのみを用いて、最小限の計算コストで不確実性推定を実現できるか？
• RQ5 トレーニング中に不確実性推定と実際のセグメンテーション誤差パターンの相関関係はどのようになるか？

主な発見

• 提案されたBiTransモデルは、3つの公的虹彩セグメンテーションデータセットで最先端性能（SOTA）を達成し、F1スコアとmIoUにおいてIrisParseNetを上回りながら、FLOPsはその20%にまで削減された。
• アブレーションスタディにより、バイラテラル自己注意モジュールの空間ブランチと視覚ブランチの両方が不可欠であることが確認され、いずれかのブランチを削除すると顕著な性能低下が生じた。
• 不確実性に基づく重み付けスキームは、特に虹彩の境界部や線路領域で誤差が生じやすい領域に最適化された最適化を実現した。
• 不確実性正則化項により予測不確実性が低減され、セグメンテーション精度が向上した。これにより、推定された不確実性マップが真のモデル信頼性を的確に反映していることが裏付けられた。
• 可視化により、トレーニング過程で不確実性マップが進化する様子が観察された：初期段階では境界部を中心に広範囲に不確実性が広がり、徐々に持続的な曖昧領域（線路領域など）に集中するようになった。
• ISULモジュールは推論コストを増加させることなくセグメンテーション性能を向上させ、低コストな信頼性向上機構としての有効性を示した。