Iris Recognition: A Java based implementation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Biometric authentication has become increasingly popular in security systems. Recently, the systems based on the human iris, which develops a unique pattern before birth, have produced very high rates of recognition. The iris image is first blurred using a Gaussian filter, and the edge is detected using the Canny edge detection technique. An algorithm, which uses the center of the image as a starting point, is proposed to isolate the pupillary region. The initial estimate of the location of the pupil is then refined, and the iris is located by using the integrodifferential operator. In order to detect the upper and the lower eyelids, we deploy the integrodifferential operator again; however, the path of contour integration is changed from circular to arcuate. A thresholding technique is then applied to locate the eyelashes. The annular iris region is unwrapped from a polar coordinate system to a rectangular canvas. The 2D Gabor wavelets are used to extract the discriminating features. Then, the phase information is extracted to produce an iris code of 2048 bit and a mask, which denotes the noisy regions, of the same length. The Hamming distance is applied for the matching purpose. We also design a graphical user interface (GUI) in Java which allows the comparison of two images, the verification that an image is that of a specific person, and to search through the previously scanned irises for an exact match. The proposed scheme is computationally effective as well as reliable in term of recognition rate of 99.21%.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle