Швеллер 8240: Швеллер 8П г/к ГОСТ 8240-97 купить в СПБ

«Интеграция глубокого хэширования и кодирования каналов для биометрической безопасности» Вееру Талреджа

  • < Предыдущий
  • Далее >
Semester

Summer

Дата выпуска

2021

Документ Тип

Диссертация

Главный тип

PHD

College

СТАЛЛЕСКИ0013

Department

Lane Department of Computer Science and Electrical Engineering

Committee Chair

Matthew Valenti

Committee Member

Nasser Nasrabadi

Committee Member

Natalia Schmid

Committee Member

Jeremy Dawson

Committee Member

Omid Dehzangi

Abstract

За последние несколько лет рост исследований во многих исследовательских и коммерческих областях связан с внедрением современных методов глубокого обучения. То же самое относится даже к биометрии и биометрической безопасности. Кроме того, наблюдается рост развития методов глубокого обучения, используемых для поиска приближенных ближайших соседей (ANN) для поиска в мультимодальных наборах данных. Эти методы глубокого обучения, известные как глубокое хеширование (DH), объединяют изучение функций и хэш-кодирование в сквозную обучаемую структуру. В связи с этими факторами в данной диссертации рассматривается интеграция глубокого хэширования и канального кодирования для биометрической безопасности и различных приложений для поиска биометрических данных. Основное внимание в этой диссертации уделяется биометрической безопасности, в которой глубокое хеширование интегрируется с кодированием каналов для разработки безопасной системы биометрической аутентификации. В этой системе несколько биометрических модальностей одного пользователя объединяются на уровне функций с использованием глубокого хэширования (бинаризации). Гибридная безопасная архитектура, которая сочетает в себе отменяемые биометрические данные с методами безопасного эскиза, интегрирована с инфраструктурой глубокого хеширования, что делает невозможным с точки зрения вычислений подделку комбинации нескольких биометрических данных, которая проходит аутентификацию. Интеграция глубокого хеширования и кодирования каналов находит применение не только в биометрической безопасности, но также может быть распространена на различные биометрические приложения. С этой целью была расширена интеграция глубокого кросс-модального хеширования и кодов исправления ошибок, чтобы повысить эффективность поиска изображений лиц на основе атрибутов.

Кроме того, в диссертации также представлена ​​структура для распознавания лиц с перекрестным разрешением (от низкого до высокого разрешения) и распознавания лиц от профиля к фронту. Новая система распознавания лиц с перекрестным разрешением (от низкого до высокого разрешения) на основе атрибутов, которая использует структуру сопряженной генеративно-состязательной сети (cpGAN) с состязательным обучением для поиска скрытой взаимосвязи между изображениями с низким и высоким разрешением. в скрытом общем подпространстве вложений разработано и представлено. Аналогичная структура, использующая структуру cpGAN, была разработана для системы распознавания лиц от профиля к фронту. Наконец, производительность этой архитектуры cpGAN для системы распознавания лиц от профиля до фронта была оценена и сравнена с сопряженной сверточной нейронной сетью (cpCNN) и сетью адаптации состязательного дискриминационного домена (ADDA).