Análisis e implementación de una CNN basada en la arquitectura VGG16 para el reconocimiento del iris

Autores
Inda, Kevin Marcelo; Alvez, Carlos Eduardo
Año de publicación
2023
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Los sistemas de reconocimiento biométrico (SRB) permiten identificar de forma única a las personas a través de sus características fisiológicas o de comportamiento. Las tecnologías biométricas se están convirtiendo, por lo tanto, en la base de una amplia gama de sistemas de identificación y verificación. La utilización de las técnicas de Deep Learning (DL) en los SRB suponen un paso enorme en la evolución tecnológica. Uno de los rasgos biométricos más interesantes que poseen los seres humanos es el iris, el mismo posee ciertas características que resultan adecuadas para la implementación de SRB. El objetivo de esta investigación es analizar diferentes mecanismos de DL y redes neuronales Convolucionales (CNN) aplicados en los SRB mediante iris, los cuales han logrado resultados exitosos en los últimos años. Además de establecer parámetros y mecanismos que permitan desarrollar una arquitectura de red neuronal para la identificación del iris que no pierda la efectividad y eficiencia.
Red de Universidades con Carreras en Informática
Materia
Ciencias Informáticas
Sistemas de reconocimiento biométrico
Redes neuronales convolucionales
Reconocimiento del iris
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/163245
Acceder
id SEDICI_c6349a12382ace9d123d0170d4c9621b
oai_identifier_str oai:sedici.unlp.edu.ar:10915/163245
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Análisis e implementación de una CNN basada en la arquitectura VGG16 para el reconocimiento del irisInda, Kevin MarceloAlvez, Carlos EduardoCiencias InformáticasSistemas de reconocimiento biométricoRedes neuronales convolucionalesReconocimiento del irisLos sistemas de reconocimiento biométrico (SRB) permiten identificar de forma única a las personas a través de sus características fisiológicas o de comportamiento. Las tecnologías biométricas se están convirtiendo, por lo tanto, en la base de una amplia gama de sistemas de identificación y verificación. La utilización de las técnicas de Deep Learning (DL) en los SRB suponen un paso enorme en la evolución tecnológica. Uno de los rasgos biométricos más interesantes que poseen los seres humanos es el iris, el mismo posee ciertas características que resultan adecuadas para la implementación de SRB. El objetivo de esta investigación es analizar diferentes mecanismos de DL y redes neuronales Convolucionales (CNN) aplicados en los SRB mediante iris, los cuales han logrado resultados exitosos en los últimos años. Además de establecer parámetros y mecanismos que permitan desarrollar una arquitectura de red neuronal para la identificación del iris que no pierda la efectividad y eficiencia.Red de Universidades con Carreras en Informática2023-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/163245spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-3724-66-4info:eu-repo/semantics/altIdentifier/isbn/978-987-3724-67-1info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/162004info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/161620info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:42:56Zoai:sedici.unlp.edu.ar:10915/163245Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:42:56.361SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Análisis e implementación de una CNN basada en la arquitectura VGG16 para el reconocimiento del iris
title Análisis e implementación de una CNN basada en la arquitectura VGG16 para el reconocimiento del iris
spellingShingle Análisis e implementación de una CNN basada en la arquitectura VGG16 para el reconocimiento del iris
Inda, Kevin Marcelo
Ciencias Informáticas
Sistemas de reconocimiento biométrico
Redes neuronales convolucionales
Reconocimiento del iris
title_short Análisis e implementación de una CNN basada en la arquitectura VGG16 para el reconocimiento del iris
title_full Análisis e implementación de una CNN basada en la arquitectura VGG16 para el reconocimiento del iris
title_fullStr Análisis e implementación de una CNN basada en la arquitectura VGG16 para el reconocimiento del iris
title_full_unstemmed Análisis e implementación de una CNN basada en la arquitectura VGG16 para el reconocimiento del iris
title_sort Análisis e implementación de una CNN basada en la arquitectura VGG16 para el reconocimiento del iris
dc.creator.none.fl_str_mv Inda, Kevin Marcelo
Alvez, Carlos Eduardo
author Inda, Kevin Marcelo
author_facet Inda, Kevin Marcelo
Alvez, Carlos Eduardo
author_role author
author2 Alvez, Carlos Eduardo
author2_role author
dc.subject.none.fl_str_mv Ciencias Informáticas
Sistemas de reconocimiento biométrico
Redes neuronales convolucionales
Reconocimiento del iris
topic Ciencias Informáticas
Sistemas de reconocimiento biométrico
Redes neuronales convolucionales
Reconocimiento del iris
dc.description.none.fl_txt_mv Los sistemas de reconocimiento biométrico (SRB) permiten identificar de forma única a las personas a través de sus características fisiológicas o de comportamiento. Las tecnologías biométricas se están convirtiendo, por lo tanto, en la base de una amplia gama de sistemas de identificación y verificación. La utilización de las técnicas de Deep Learning (DL) en los SRB suponen un paso enorme en la evolución tecnológica. Uno de los rasgos biométricos más interesantes que poseen los seres humanos es el iris, el mismo posee ciertas características que resultan adecuadas para la implementación de SRB. El objetivo de esta investigación es analizar diferentes mecanismos de DL y redes neuronales Convolucionales (CNN) aplicados en los SRB mediante iris, los cuales han logrado resultados exitosos en los últimos años. Además de establecer parámetros y mecanismos que permitan desarrollar una arquitectura de red neuronal para la identificación del iris que no pierda la efectividad y eficiencia.
Red de Universidades con Carreras en Informática
description Los sistemas de reconocimiento biométrico (SRB) permiten identificar de forma única a las personas a través de sus características fisiológicas o de comportamiento. Las tecnologías biométricas se están convirtiendo, por lo tanto, en la base de una amplia gama de sistemas de identificación y verificación. La utilización de las técnicas de Deep Learning (DL) en los SRB suponen un paso enorme en la evolución tecnológica. Uno de los rasgos biométricos más interesantes que poseen los seres humanos es el iris, el mismo posee ciertas características que resultan adecuadas para la implementación de SRB. El objetivo de esta investigación es analizar diferentes mecanismos de DL y redes neuronales Convolucionales (CNN) aplicados en los SRB mediante iris, los cuales han logrado resultados exitosos en los últimos años. Además de establecer parámetros y mecanismos que permitan desarrollar una arquitectura de red neuronal para la identificación del iris que no pierda la efectividad y eficiencia.
publishDate 2023
dc.date.none.fl_str_mv 2023-04
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/163245
url http://sedici.unlp.edu.ar/handle/10915/163245
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-987-3724-66-4
info:eu-repo/semantics/altIdentifier/isbn/978-987-3724-67-1
info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/162004
info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/161620
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844616298736123904
score 13.069144

Publicaciones similares