Deep Learning for Biometrics / Bhanu, Bir ; Kumar, Ajay  

Público ISBD Ningún comentario para este registro. Título : Deep Learning for Biometrics Tipo de documento: documento electrónico Autores: Bhanu, Bir, ; Kumar, Ajay, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2017 Número de páginas: XXXI, 312 p. 117 ilustraciones, 96 ilustraciones en color. ISBN/ISSN/DL: 978-3-319-61657-5 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Inteligencia artificial  Identificación biométrica  Informática  Procesamiento de la señal  Biometría  Aplicaciones matemáticas en informática  Procesamiento de señales  voz e imágenes Índice Dewey: 006.3 Inteligencia artificial Resumen: Este oportuno texto/referencia presenta una amplia descripción general de las arquitecturas avanzadas de aprendizaje profundo para aprender la representación efectiva de características para tareas perceptivas y relacionadas con la biometría. El texto ofrece una muestra de investigaciones de vanguardia sobre el uso de redes neuronales convolucionales (CNN) en sistemas biométricos faciales, de iris, de huellas dactilares y vasculares, además de sistemas de vigilancia que utilizan biometría suave. También se examinan cuestiones de seguridad biométrica. Temas y características: Aborda la aplicación del aprendizaje profundo para mejorar el rendimiento de la identificación biométrica en una amplia gama de diferentes modalidades biométricas. Revisa el aprendizaje profundo para la biometría facial, ofrece información a partir de neuroimagen y proporciona una comparación con arquitecturas populares basadas en CNN para el reconocimiento facial. Examina aprendizaje profundo para el reconocimiento de huellas dactilares y venas de los dedos latentes de última generación, así como el reconocimiento del iris. Analiza el aprendizaje profundo para la biometría suave, incluidos enfoques para la identificación basada en gestos, la clasificación de género y el reconocimiento de tatuajes. Investiga el aprendizaje profundo para la seguridad biométrica. , que cubre métodos de protección de plantillas biométricas y detección de vida para proteger contra muestras biométricas falsas. Presenta contribuciones de una selección global de expertos destacados en el campo que representan laboratorios académicos, industriales y gubernamentales. Proporciona una introducción accesible a las aplicaciones prácticas del aprendizaje profundo en biometría y una cobertura integral de todo el espectro de modalidades biométricas, este volumen autorizado será de gran interés para todos los investigadores, profesionales y estudiantes involucrados en áreas relacionadas de visión por computadora, reconocimiento de patrones y aprendizaje automático. El Dr. Bir Bhanu es Presidente de la Presidencia Bourns, Profesor Distinguido de Ingeniería Eléctrica e Informática y Director del Centro de Investigación en Sistemas Inteligentes de la Universidad de California en Riverside, EE.UU. Algunas de sus otras publicaciones de Springer incluyen los títulos Video Bioinformatics, Distributed Video Sensor Networks y Human Recognition at a Distance in Video. Dr. Ajay Kumar es profesor asociado en el Departamento de Computación de la Universidad Politécnica de Hong Kong. Nota de contenido: Part I: Deep Learning for Face Biometrics -- The Functional Neuroanatomy of Face Processing: Insights from Neuroimaging and Implications for Deep Learning -- Real-Time Face Identification via Multi-Convolutional Neural Network and Boosted Hashing Forest -- CMS-RCNN: Contextual Multi-Scale Region-Based CNN for Unconstrained Face Detection -- Part II: Deep Learning for Fingerprint, Fingervein and Iris Recognition -- Latent Fingerprint Image Segmentation Using Deep Neural Networks -- Finger Vein Identification Using Convolutional Neural Network and Supervised Discrete Hashing -- Iris Segmentation Using Fully Convolutional Encoder-Decoder Networks -- Part III: Deep Learning for Soft Biometrics -- Two-Stream CNNs for Gesture-Based Verification and Identification: Learning User Style -- DeepGender2: A Generative Approach Toward Occlusion and Low Resolution Robust Facial Gender Classification via Progressively Trained Attention Shift Convolutional Neural Networks (PTAS-CNN) and Deep Convolutional Generative Adversarial Networks (DCGAN) -- Gender Classification from NIR Iris Images Using Deep Learning -- Deep Learning for Tattoo Recognition -- Part IV: Deep Learning for Biometric Security and Protection -- Learning Representations for Cryptographic Hash Based Face Template Protection -- Deep Triplet Embedding Representations for Liveness Detection. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Deep Learning for Biometrics [documento electrónico] / Bhanu, Bir, ; Kumar, Ajay,  . -  1 ed.  . - [s.l.] : Springer, 2017 . - XXXI, 312 p. 117 ilustraciones, 96 ilustraciones en color. ISBN : 978-3-319-61657-5 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Inteligencia artificial  Identificación biométrica  Informática  Procesamiento de la señal  Biometría  Aplicaciones matemáticas en informática  Procesamiento de señales  voz e imágenes Índice Dewey: 006.3 Inteligencia artificial Resumen: Este oportuno texto/referencia presenta una amplia descripción general de las arquitecturas avanzadas de aprendizaje profundo para aprender la representación efectiva de características para tareas perceptivas y relacionadas con la biometría. El texto ofrece una muestra de investigaciones de vanguardia sobre el uso de redes neuronales convolucionales (CNN) en sistemas biométricos faciales, de iris, de huellas dactilares y vasculares, además de sistemas de vigilancia que utilizan biometría suave. También se examinan cuestiones de seguridad biométrica. Temas y características: Aborda la aplicación del aprendizaje profundo para mejorar el rendimiento de la identificación biométrica en una amplia gama de diferentes modalidades biométricas. Revisa el aprendizaje profundo para la biometría facial, ofrece información a partir de neuroimagen y proporciona una comparación con arquitecturas populares basadas en CNN para el reconocimiento facial. Examina aprendizaje profundo para el reconocimiento de huellas dactilares y venas de los dedos latentes de última generación, así como el reconocimiento del iris. Analiza el aprendizaje profundo para la biometría suave, incluidos enfoques para la identificación basada en gestos, la clasificación de género y el reconocimiento de tatuajes. Investiga el aprendizaje profundo para la seguridad biométrica. , que cubre métodos de protección de plantillas biométricas y detección de vida para proteger contra muestras biométricas falsas. Presenta contribuciones de una selección global de expertos destacados en el campo que representan laboratorios académicos, industriales y gubernamentales. Proporciona una introducción accesible a las aplicaciones prácticas del aprendizaje profundo en biometría y una cobertura integral de todo el espectro de modalidades biométricas, este volumen autorizado será de gran interés para todos los investigadores, profesionales y estudiantes involucrados en áreas relacionadas de visión por computadora, reconocimiento de patrones y aprendizaje automático. El Dr. Bir Bhanu es Presidente de la Presidencia Bourns, Profesor Distinguido de Ingeniería Eléctrica e Informática y Director del Centro de Investigación en Sistemas Inteligentes de la Universidad de California en Riverside, EE.UU. Algunas de sus otras publicaciones de Springer incluyen los títulos Video Bioinformatics, Distributed Video Sensor Networks y Human Recognition at a Distance in Video. Dr. Ajay Kumar es profesor asociado en el Departamento de Computación de la Universidad Politécnica de Hong Kong. Nota de contenido: Part I: Deep Learning for Face Biometrics -- The Functional Neuroanatomy of Face Processing: Insights from Neuroimaging and Implications for Deep Learning -- Real-Time Face Identification via Multi-Convolutional Neural Network and Boosted Hashing Forest -- CMS-RCNN: Contextual Multi-Scale Region-Based CNN for Unconstrained Face Detection -- Part II: Deep Learning for Fingerprint, Fingervein and Iris Recognition -- Latent Fingerprint Image Segmentation Using Deep Neural Networks -- Finger Vein Identification Using Convolutional Neural Network and Supervised Discrete Hashing -- Iris Segmentation Using Fully Convolutional Encoder-Decoder Networks -- Part III: Deep Learning for Soft Biometrics -- Two-Stream CNNs for Gesture-Based Verification and Identification: Learning User Style -- DeepGender2: A Generative Approach Toward Occlusion and Low Resolution Robust Facial Gender Classification via Progressively Trained Attention Shift Convolutional Neural Networks (PTAS-CNN) and Deep Convolutional Generative Adversarial Networks (DCGAN) -- Gender Classification from NIR Iris Images Using Deep Learning -- Deep Learning for Tattoo Recognition -- Part IV: Deep Learning for Biometric Security and Protection -- Learning Representations for Cryptographic Hash Based Face Template Protection -- Deep Triplet Embedding Representations for Liveness Detection. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i

---

1 (1 - 1 / 1) Par page : 25 50 100 200