Andersonの視点
DeepTeeth: 歯を使用するバイオメトリックIDシステム
Unite.AI を Google の優先ソースに追加
インドの研究者は、モバイルデバイスのセキュアシステムの認証トークンとして歯を使用するバイオメトリックシステムを提案しました。DeepTeethというシステムは、過去の努力で遭遇した障害、たとえば過度のトレーニング時間や高すぎる、または現実的でないデータトレーニング要件を克服し、100%の精度率を達成しました。
また、DeepTeethは、贅沢なモバイル環境やカジュアルなユーザー認証シナリオに特に焦点を当てており、より一般的な法医学分析のコンテキストでの使用とは異なります。
新しいプレプリントは、ラジャスタンのビルラ・インスティテュート・オブ・テクノロジー・アンド・サイエンス・ピラニから研究者によって作成され、画像サイズは75×75ピクセルで、エンドツーエンドのファインショット・フレームワークであり、過去の歯ベースのマシンラーニング認証システムよりもローカルリソースのニーズが最小限です。
DeepTeethベースの認証の提案された使用法。 ソース: https://arxiv.org/pdf/2107.13217.pdf
歯をID識別子として
歯は、美容手術や顔の再構成手術の頻度のため、最も不安定な顔の特徴であると考えられますが、この論文では、長期的には平均的には、私たちの顔の識別特性の中で最も一貫性のあるものであると述べられています。
おそらく最も有名な例は、死後もすべての組織が火災や他の極端なトラウマの被害を受けた場合に、歯がどれだけ頻繁に死後識別に使用されるかです。さらに、歯は死後、体の中で最後に劣化する部品です。
このような法医学歯科学のデータセットは、特殊なものであり、カスタムスキャニング装置（通常、X線コンポーネントを備える）が必要ですが、DeepTeethは、基準IDを確立するために、ただ「歯のセルフィー」のシリーズだけが必要です。
さらに、この論文の研究者は、彼らの歯ベースのIDフレームワークが、指紋認証や顔認証方法に対して効果的に行われているスプーフ攻撃に耐性があることを発見しました。
正規化された関心領域（RoI）画像と、自動化されたDeepTeethワークフローの対応する強化画像。
キャプチャ、処理、トレーニング
DeepTeethシステムは、Androidアプリで動作し、対象者が複数のキャプチャを提供します。歯の写真は、さまざまな角度から、さまざまな照明条件下で撮影でき、認証時に後でローカルで処理されます。
コアトレーニングデータベースを生成するために、研究者は51人のボランティアから歯の画像を収集しました。ボランティアは、Androidアプリのベータ版を使用して画像を自分で取得しました。アプリは、取得しようとしている歯の領域を識別してローカライズします。各ユーザーは、3〜4日間で4つの歯画像を提出しました。
データは、シアンセネットワークでテストされ、そこでは古い方法であるGoogleの2015年のFaceNetと比較されました。トレーニングでは、バッチサイズ16のAdamオプティマイザが使用されました。モデルは、Dell Inspiron-15-5577でNvidia GTX 1050 GPUを使用してトレーニングされ、トレーニングには256次元の特徴ベクトルを生成するために約25分かかりました。
DeepTeethアプローチは、クロップされた生のユーザー撮影画像を、後のデバイス上の処理のために、特徴抽出のための強化フレームワークを通じて、汎用の事前トレーニング済みローカルネットワークにパスします。
最初にキャプチャされ、クロップされた歯のセクションは1416 x 510ピクセルで、サーバーベースのマシンラーニングトレーニングにさえも不適切なサイズですが、システムを通過するのは、これらのキャプチャから導出された小さなグレースケール画像であり、大きなデータは破棄されます。
分類ネットワークのトレーニングに使用される損失関数は、SoftMaxであり、ターゲット操作環境に軽量で耐性があるためです。
DeepTeethの損失関数アーキテクチャ。
結果
研究者は、DeepTeethを5つの別々のパフォーマンスパラメータで評価し、システムは75ピクセル四方のわずかな入力サイズで最適に動作し、100%の成功率を達成することを発見しました。
歯をバイオメトリック指標として使用する以前の試みには、2008年の研究 モバイル環境における歯画像と音声のマルチモーダルバイオメトリック認証があります。これは、基本的に歯を音声ベースの認証のバックアップ方法として追加しました。
別の試みは、2020年の中国の湖南大学の研究者によって提案されたSmileAuthフレームワークでした。これは、ミシガン州立大学とマサチューセッツ大学との共同研究でした。発表時の実験結果は、SmileAuthシステムが99.74%の精度率を達成できることを示唆しました。システムは特徴抽出にランダムフォレストを使用しました。
研究者は、DeepTeethがバイオメトリクスのこのニッチ領域のすべての以前の試みを上回り、法医学の領域を超えて歯の認識を、顔ベースのID認証のための実行可能な潜在的なアベニューとして持っていくことを主張しています。
