Age-Dependent Palm Print Recognition Using Convolutional Neural Network
Notice bibliographique
Résumé
Biometric engineering is one of the most important and modern fields that affect human life directly.It can be considered as a new technology relatively, that is used for identity verification and/or the identification of persons depending on their physiological features, which include the morphological, biological, and characteristics of their behaviors.Many types of biometric recognitions are used depending on features of eyes, faces, hands (palm and/or fingerprints), voice, and many others.All the works before were focused on persons' detection only but nor on their ages.This feature (age) considered as one of the not solved problems in the field of detection.In this paper, the palm recognition model consisted of many steps.The first step related to palm detection.Other techniques used to remove noisy portion from extracted image.After preparing images for training, a deep neural network represented by convolutional neural network is selected.A new idea and method (mechanism) is used.Palm print features' recognition algorithm depending on Convolutional Neural Network (CNN) is presented for recognizing individuals (persons recognition in different ages' classes).Palm print technique is depended for different ages' classes.The dataset is selected firstly for many known persons with different ages, for each person many palm image items are trained and tested using deep learning techniques.As mentioned, the CNN method is used for the training purpose, which means the recognition must be done depending on the CNN deep learning algorithm.The FAR and GAR factors are used to measure the performances of the recognition.The given results shown that the selection of the palm instead of other features types makes the recognition easier.More than 96% of the results were accurate.Also, the used algorithm which included the CNN had competitive performance, the algorithm succeeded to separate between the features according to the persons' ages.The overall process is completed within 0.01×10 -6 second, which can be considered fast and suggested to be used in real time.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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) | 0,002 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».