Exploring deep learning representations for biometric multimodal systems.

Detalhes bibliográficos
Ano de defesa: 2019
Autor(a) principal: Luz, Eduardo José da Silva
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
dARK ID: ark:/61566/00130000002mb
Idioma: eng
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Aprendizagem
Biometria
Transferência de aprendizagem
Link de acesso: http://www.repositorio.ufop.br/handle/123456789/10887
Resumo: Programa de Pós-Graduação em Ciência da Computação. Departamento de Ciência da Computação, Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto.
id UFOP_de05b1184c83cacf47c2deeb80c2cbe9
oai_identifier_str oai:repositorio.ufop.br:123456789/10887
network_acronym_str UFOP
network_name_str Repositório Institucional da UFOP
repository_id_str
spelling Exploring deep learning representations for biometric multimodal systems.AprendizagemBiometriaTransferência de aprendizagemPrograma de Pós-Graduação em Ciência da Computação. Departamento de Ciência da Computação, Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto.Biometrics is an important area of research today. A complete biometric system comprises sensors, feature extraction, pattern matching algorithms, and decision making. Biometric systems demand high accuracy and robustness, and researchers are using a combination of several biometric sources, two or more algorithms for pattern matching and di↵erent decision-making systems. These systems are called multimodal biometric systems and today represent state-of-the-art for biometrics. However, the process of extracting features in multimodal biometric systems poses a major challenge today. Deep learning has been used by researchers in the machine learning field to automatize the feature extraction process and several advances were achieved, such as the case of face recognition problem. However, deep learning based methods require a large amount of data and with the exception of facial recognition, there are no databases large enough for the other biometric modalities, hindering the application of deep learning in multimodal methods. In this thesis, we propose a set of contributions to favor the use of deep learning in multimodal biometric systems. First of all, we explore data augmentation and transfer learning techniques for training deep convolution networks, in restricted biometric databases in terms of labeled images. Second, we propose a simple protocol, aiming at reproducibility, for the creation and evaluation of multimodal (or synthetic) multimodal databases. This protocol allows the investigation of multiple biometric modalities combination, even for less common and novel modalities. Finally, we investigate the impact of merging multimodal biometric systems in which all modalities are represented by means of deep descriptors. In this work, we show that it is possible to bring the expressive gains already obtained with the face modality, to other four biometric modalities, by exploring deep learning techniques. We also show that the fusion of modalities is a promising path, even when they are represented by means of deep learning. We advance state-of-the-art for important databases in the literature, such as FRGC (periocular region), NICE / UBIRIS.V2 (periocular region and iris), MobBio (periocular region and face), CYBHi (o↵-the-person ECG), UofTDB (o↵-the-person ECG) and Physionet (EEG signal). Our best multimodal approach, on the chimeric database, resulted in the impressive decidability of 9.15±0.16 and a perfect recognition in (i.e., EER of 0.00%±0.00) for the intra-session multimodal scenario. For inter-session scenario, we reported decidability of 7.91±0.19 and an EER of 0.03%±0.03, which represents a gain of more than 22% for the best inter-session unimodal case.Gomes, David MenottiMoreira, Gladston Juliano PratesFerreira, Anderson AlmeidaMoreira, Gladston Juliano PratesGomes, David MenottiCavalin, PauloCámara Chávez, GuillermoSantos, Thiago Oliveira dosLuz, Eduardo José da Silva2019-04-01T17:48:39Z2019-04-01T17:48:39Z2019info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfLUZ, Eduardo José da Silva. Exploring deep learning representations for biometric multimodal systems. 2019. 134 f. Tese (Doutorado em Ciência da Computação) - Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto, Ouro Preto, 2018.http://www.repositorio.ufop.br/handle/123456789/10887ark:/61566/00130000002mbAutorização concedida ao Repositório Institucional da UFOP pelo(a) autor(a) em 25/03/2019 com as seguintes condições: disponível sob Licença Creative Commons 4.0 que permite copiar, distribuir e transmitir o trabalho desde que sejam citados o autor e o licenciante. Não permite o uso para fins comerciais nem a adaptação.info:eu-repo/semantics/openAccessengreponame:Repositório Institucional da UFOPinstname:Universidade Federal de Ouro Preto (UFOP)instacron:UFOP2025-02-09T00:53:53Zoai:repositorio.ufop.br:123456789/10887Repositório InstitucionalPUBhttp://www.repositorio.ufop.br/oai/requestrepositorio@ufop.edu.bropendoar:32332025-02-09T00:53:53Repositório Institucional da UFOP - Universidade Federal de Ouro Preto (UFOP)false
dc.title.none.fl_str_mv Exploring deep learning representations for biometric multimodal systems.
title Exploring deep learning representations for biometric multimodal systems.
spellingShingle Exploring deep learning representations for biometric multimodal systems.
Luz, Eduardo José da Silva
Aprendizagem
Biometria
Transferência de aprendizagem
title_short Exploring deep learning representations for biometric multimodal systems.
title_full Exploring deep learning representations for biometric multimodal systems.
title_fullStr Exploring deep learning representations for biometric multimodal systems.
title_full_unstemmed Exploring deep learning representations for biometric multimodal systems.
title_sort Exploring deep learning representations for biometric multimodal systems.
author Luz, Eduardo José da Silva
author_facet Luz, Eduardo José da Silva
author_role author
dc.contributor.none.fl_str_mv Gomes, David Menotti
Moreira, Gladston Juliano Prates
Ferreira, Anderson Almeida
Moreira, Gladston Juliano Prates
Gomes, David Menotti
Cavalin, Paulo
Cámara Chávez, Guillermo
Santos, Thiago Oliveira dos
dc.contributor.author.fl_str_mv Luz, Eduardo José da Silva
dc.subject.por.fl_str_mv Aprendizagem
Biometria
Transferência de aprendizagem
topic Aprendizagem
Biometria
Transferência de aprendizagem
description Programa de Pós-Graduação em Ciência da Computação. Departamento de Ciência da Computação, Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto.
publishDate 2019
dc.date.none.fl_str_mv 2019-04-01T17:48:39Z
2019-04-01T17:48:39Z
2019
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv LUZ, Eduardo José da Silva. Exploring deep learning representations for biometric multimodal systems. 2019. 134 f. Tese (Doutorado em Ciência da Computação) - Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto, Ouro Preto, 2018.
http://www.repositorio.ufop.br/handle/123456789/10887
dc.identifier.dark.fl_str_mv ark:/61566/00130000002mb
identifier_str_mv LUZ, Eduardo José da Silva. Exploring deep learning representations for biometric multimodal systems. 2019. 134 f. Tese (Doutorado em Ciência da Computação) - Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto, Ouro Preto, 2018.
ark:/61566/00130000002mb
url http://www.repositorio.ufop.br/handle/123456789/10887
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFOP
instname:Universidade Federal de Ouro Preto (UFOP)
instacron:UFOP
instname_str Universidade Federal de Ouro Preto (UFOP)
instacron_str UFOP
institution UFOP
reponame_str Repositório Institucional da UFOP
collection Repositório Institucional da UFOP
repository.name.fl_str_mv Repositório Institucional da UFOP - Universidade Federal de Ouro Preto (UFOP)
repository.mail.fl_str_mv repositorio@ufop.edu.br
_version_ 1856654645414330368

Registros relacionados