ஆழமான பற்கள்: பற்களைப் பயன்படுத்தும் பயோமெட்ரிக் ஐடி அமைப்பு

மொபைல் சாதனங்களில் பாதுகாப்பான அமைப்புகளுக்கான அங்கீகார டோக்கனாக பற்களைப் பயன்படுத்துவதற்கான பயோமெட்ரிக் முறையை இந்தியாவைச் சேர்ந்த ஆராய்ச்சியாளர்கள் முன்மொழிந்துள்ளனர். அழைக்கப்பட்டது ஆழமான பற்கள்100% துல்லிய விகிதத்தை அடைய, அதிகப்படியான பயிற்சி நேரம் அல்லது அதிக அல்லது நம்பத்தகாத தரவு பயிற்சி தேவைகள் போன்ற இந்த இலக்கை நோக்கிய முந்தைய முயற்சிகள் சந்தித்த தடுமாற்றங்களை கணினி முறியடிக்கிறது.

விலையுயர்ந்த தடயவியல் பகுப்பாய்வு சூழலில் இத்தகைய நுட்பங்களைப் பயன்படுத்துவதைக் காட்டிலும், சிக்கனமான மொபைல் சூழல்கள் மற்றும் சாதாரண பயனர் அங்கீகாரக் காட்சிகளை இது குறிப்பாக நோக்கமாகக் கொண்டுள்ளது.

புதிய முன் அச்சு, ராஜஸ்தானில் உள்ள பிர்லா இன்ஸ்டிடியூட் ஆப் டெக்னாலஜி அண்ட் சயின்ஸ் பிலானியின் ஆராய்ச்சியாளர்கள், 75×75 பிக்சல்கள் கொண்ட தரவுப் பட அளவை மட்டுமே பயன்படுத்துகின்றனர், இது ஒரு எண்ட்-டு-எண்ட் சில-ஷாட் கட்டமைப்பாகும், மேலும் முந்தைய முயற்சிகளுடன் ஒப்பிடும்போது குறைந்த உள்ளூர் வளத் தேவைகளைக் கொண்டுள்ளது. பல் அடிப்படையிலான இயந்திர கற்றல் அங்கீகார அமைப்புகள்.

டீப்டீத் அடிப்படையிலான அங்கீகாரத்திற்கான முன்மொழியப்பட்ட பயன்பாடு. ஆதாரம்: https://arxiv.org/pdf/2107.13217.pdf

அடையாள குறிப்பான்களாக பற்கள்

மற்ற வகையான ஒப்பனை அல்லது முக மறுசீரமைப்பு அறுவை சிகிச்சையுடன் ஒப்பிடும்போது, ​​அறுவை சிகிச்சை தலையீடுகளின் அதிர்வெண் காரணமாக, முக அம்சங்களில் பற்கள் மிகவும் கொந்தளிப்பானதாகக் கருதப்பட்டாலும், நீண்ட கால மற்றும் சராசரியாக, அவை நமது முகத்தில் மிகவும் சீரானதாக இருக்கும் என்று காகிதம் குறிப்பிடுகிறது. அடையாளம் காணும் பண்புகள்

ஒருவேளை மிகவும் பிரபலமாக, எங்கள் பல் கட்டமைப்புகளின் பின்னடைவு, அவை பிரேத பரிசோதனைக்கு எவ்வளவு அடிக்கடி பயன்படுத்தப்படுகின்றன என்பதில் எடுத்துக்காட்டுகிறது, மற்ற அனைத்து திசுக்களும் தீ அல்லது பிற தீவிர அதிர்ச்சிக்கு பலியாகியுள்ளன. கூடுதலாக, பற்கள் இறந்த பிறகு சிதைக்கும் உடலின் கடைசி அங்கமாகும்.

இந்த வகை தடயவியல் பல் மருத்துவத்திற்கான தரவுத்தொகுப்புகள் சிறப்பு வாய்ந்தவை, மேலும் தனிப்பயன் ஸ்கேனிங் கருவிகள் (பொதுவாக எக்ஸ்ரே பாகத்துடன்) தேவைப்படுவதால், அடிப்படை ஐடியை நிறுவ டீப்டீத்துக்கு எளிதான 'பல் செல்ஃபிகள்' மட்டுமே தேவை.

மேலும், கைரேகை மற்றும் முக அடையாள அங்கீகார முறைகளில் திறம்பட நிலைநிறுத்தப்பட்ட ஸ்பூஃப் தாக்குதல்களுக்கு அவர்களின் பற்கள் அடிப்படையிலான ஐடி கட்டமைப்பு எதிர்ப்புத் தெரிவிக்கிறது என்று ஆய்வறிக்கையின் ஆராய்ச்சியாளர்கள் கண்டறிந்தனர்.

இயல்பாக்கப்பட்ட ஆர்வத்தின் (RoI) படங்கள் மற்றும் தானியங்கு டீப்டீத் வேலை-பாய்வில் அவற்றுடன் தொடர்புடைய மேம்பாடுகள்.

பிடிப்பு, செயலாக்கம் மற்றும் பயிற்சி

டீப்டீத் சிஸ்டம் ஆண்ட்ராய்டு பயன்பாட்டில் இயங்குகிறது, இதில் பல கேப்சர்களை வழங்குகிறது. பற்களின் புகைப்படங்கள் பல்வேறு கோணங்களில் இருந்தும், பல்வேறு ஒளி நிலைகளிலும் எடுக்கப்படலாம், மேலும் அங்கீகார நேரத்தில் பின்னர் அனுமானத்திற்காக உள்நாட்டில் செயலாக்கப்படும்.

முக்கிய பயிற்சி தரவுத்தளத்தை உருவாக்க, ஆராய்ச்சியாளர்கள் 51 தன்னார்வலர்களிடமிருந்து பற்களின் படங்களை சேகரித்தனர். தன்னார்வலர்கள் ஆண்ட்ராய்டு செயலியின் பீட்டாவைப் பயன்படுத்தி படங்களைப் பெறுகின்றனர். பயன்பாடானது அது பெற விரும்பும் பற்களின் பகுதியை அடையாளம் கண்டு உள்ளூர்மயமாக்குகிறது. ஒவ்வொரு பயனரும் 3-4 நாட்களுக்குள் நான்கு எடுத்துக்காட்டு பற்களின் படங்களைச் சமர்ப்பித்தனர்.

தரவு ஒரு இல் சோதிக்கப்பட்டது சியாமி நெட்வொர்க் இது ஒரு போட்டியிடும், பழைய முறைக்கு எதிராகவும் இயக்கப்பட்டது - கூகிளின் 2015 ஃபேஸ்நெட். பயிற்சியானது ஆடம் ஆப்டிமைசரில் 16 தொகுதி அளவைப் பயன்படுத்தியது. இந்த மாதிரியானது டெல் இன்ஸ்பிரான்-15-5577 இல் என்விடியா ஜிடிஎக்ஸ் 1050 ஜிபியுவைப் பயன்படுத்தி பயிற்சியளிக்கப்பட்டது, பயிற்சியானது 25-பரிமாண அம்ச வெக்டரை உருவாக்க 256 நிமிடங்களுக்கும் குறைவாகவே எடுக்கும்.

DeepTeeth அணுகுமுறையானது, ஒரு பொதுவான முன் பயிற்சி பெற்ற உள்ளூர் நெட்வொர்க் மூலம் சாதனத்தில் செயலாக்கத்திற்கு முன், அடுத்தடுத்த அம்சங்களைப் பிரித்தெடுப்பதற்கான மேம்படுத்தல் கட்டமைப்பின் மூலம் செதுக்கப்பட்ட மூல பயனர் எடுத்த படங்களை அனுப்புகிறது.

ஆரம்பத்தில் கைப்பற்றப்பட்ட மற்றும் செதுக்கப்பட்ட பற்கள் பகுதி 1416 x 510 பிக்சல்கள் அளவைக் கொண்டிருந்தாலும், சர்வர் அடிப்படையிலான இயந்திரக் கற்றல் பயிற்சிக்கு கூட அசாத்தியமான அளவு, இந்த பிடிப்புகளிலிருந்து பெறப்பட்ட சிறிய சாம்பல் அளவிலான படங்கள் கணினியில் இயங்கும், பெரிய தரவு நிராகரிக்கப்பட்டது.

தி இழப்பு செயல்பாடு வகைப்பாடு நெட்வொர்க் பயிற்சிக்கு பயன்படுத்தப்படுகிறது SoftMax, இது இலகுரக மற்றும் இலக்கு இயக்க சூழலுக்கு போதுமான மீள்தன்மை கொண்டது.

DeepTeeth இன் இழப்பு செயல்பாடு கட்டமைப்பு.

முடிவுகள்

DeepTeeth ஐ மதிப்பிடுவதற்கு ஆராய்ச்சியாளர்கள் ஐந்து தனித்தனி செயல்திறன் அளவுருக்களைப் பயன்படுத்தினர், மேலும் இந்த அமைப்பு 75 பிக்சல்கள் ஸ்கொயர் என்ற சிறிய உள்ளீட்டு அளவுடன் 100% வெற்றி விகிதத்தை அடைவதில் சிறந்த முறையில் இயங்குகிறது என்பதைக் கண்டறிந்தனர்.

பயோமெட்ரிக் குறிகாட்டியாக பற்களைப் பயன்படுத்துவதற்கான முந்தைய முயற்சிகளில் 2008 அடங்கும் ஆய்வு மொபைல் சூழலில் பற்களின் படம் மற்றும் குரலைப் பயன்படுத்தி மல்டிமாடல் பயோமெட்ரிக் அங்கீகாரம், இது முக்கியமாக குரல் அடிப்படையிலான அடையாளத்திற்கான காப்புப் பிரதி முறையாக பற்களைச் சேர்த்தது.

மற்றொரு போட்டியாளர், 2020 முதல், தி ஸ்மைல்ஆத் சீனாவில் உள்ள ஹுனான் பல்கலைக்கழக ஆராய்ச்சியாளர்களால் முன்மொழியப்பட்ட கட்டமைப்பு, மிச்சிகன் மாநில பல்கலைக்கழகம் மற்றும் மாசசூசெட்ஸ் பல்கலைக்கழகத்துடன் இணைந்து. கட்டுரை வெளியிடப்பட்ட நேரத்தில் சோதனை முடிவுகள் SmileAuth அமைப்பு 99.74% வரை துல்லிய விகிதத்தை அடைய முடியும் என்று பரிந்துரைத்தது. அம்சம் பிரித்தெடுக்க கணினி ரேண்டம் வனத்தைப் பயன்படுத்தியது.

பயோமெட்ரிக்ஸின் இந்த முக்கிய பகுதியில் டீப்டீத் முந்தைய முயற்சிகள் அனைத்தையும் மேம்படுத்துகிறது என்றும், முகத்தை அடிப்படையாகக் கொண்ட ஐடி அங்கீகாரத்திற்கான சாத்தியமான சாத்தியமான வழியாக தடயவியல் கோளத்திற்கு அப்பால் பல் அங்கீகாரம் பெறுகிறது என்றும் ஆராய்ச்சியாளர்கள் வாதிடுகின்றனர்.