論文の概要: Dense Registration and Mosaicking of Fingerprints by Training an
End-to-End Network
- arxiv url: http://arxiv.org/abs/2004.05972v1
- Date: Mon, 13 Apr 2020 14:47:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-14 00:10:29.986495
- Title: Dense Registration and Mosaicking of Fingerprints by Training an
End-to-End Network
- Title（参考訳）: エンド・ツー・エンド・ネットワークの訓練による指紋の密度登録とモザイク
- Authors: Zhe Cui, Jianjiang Feng, Jie Zhou
- Abstract要約: エンド・ツー・エンド・ネットワークをトレーニングし、2つの指紋間の画素単位の変位場を出力する。
また,最適なシーム選択に基づく指紋モザイク手法を提案する。
我々の登録法は,従来の密度の高い登録方法よりも精度と効率が優れている。
- 参考スコア（独自算出の注目度）: 36.50244665233824
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Dense registration of fingerprints is a challenging task due to elastic skin
distortion, low image quality, and self-similarity of ridge pattern. To
overcome the limitation of handcraft features, we propose to train an
end-to-end network to directly output pixel-wise displacement field between two
fingerprints. The proposed network includes a siamese network for feature
embedding, and a following encoder-decoder network for regressing displacement
field. By applying displacement fields reliably estimated by tracing high
quality fingerprint videos to challenging fingerprints, we synthesize a large
number of training fingerprint pairs with ground truth displacement fields. In
addition, based on the proposed registration algorithm, we propose a
fingerprint mosaicking method based on optimal seam selection. Registration and
matching experiments on FVC2004 databases, Tsinghua Distorted Fingerprint (TDF)
database, and NIST SD27 latent fingerprint database show that our registration
method outperforms previous dense registration methods in accuracy and
efficiency. Mosaicking experiment on FVC2004 DB1 demonstrates that the proposed
algorithm produced higher quality fingerprints than other algorithms which also
validates the performance of our registration algorithm.
- Abstract（参考訳）: 指紋の密度登録は, 弾性皮膚歪み, 低画質, 隆起パターンの自己相似性による課題である。
手工芸品の特徴の限界を克服するため,両指紋間の画素単位の変位場を直接出力するエンド・ツー・エンド・ネットワークを提案する。
提案するネットワークは,特徴埋め込みのためのサイムズネットワークと,変位場を回帰するエンコーダ・デコーダネットワークを含む。
高画質の指紋映像を追跡して確実に推定される変位場を挑戦指紋に適用することにより,大量の訓練用指紋対と接地真理変位場を合成する。
また,提案した登録アルゴリズムに基づき,最適なシーム選択に基づく指紋モザイク手法を提案する。
FVC2004データベース,TDF(Tinghua Distorted Fingerprint)データベース,NIST SD27潜伏指紋データベース上での登録とマッチング実験により,我々の登録手法は,従来の密度の高い登録方法よりも精度と効率が優れていることが示された。
FVC 2004 DB1におけるモザイク実験により,提案アルゴリズムが他のアルゴリズムよりも高品質な指紋を生成できることが実証された。
関連論文リスト
- Finger-UNet: A U-Net based Multi-Task Architecture for Deep Fingerprint
Enhancement [0.0]
指紋認識/検証パイプラインの初期段階において、指紋強調は重要な役割を果たす。
低品質指紋を効果的に改善するために,U-Netの直感的な修正を提案する。
モデルのメモリフットプリントを大幅に削減するため,通常の畳み込みを奥行き分離可能な畳み込みに置き換える。
論文 参考訳（メタデータ） (2023-10-01T09:49:10Z) - PGT-Net: Progressive Guided Multi-task Neural Network for Small-area Wet
Fingerprint Denoising and Recognition [5.834731599084115]
エンドツーエンドのトレーニング可能なプログレッシブガイド型マルチタスクニューラルネットワーク(PGT-Net)を提案する。
PGT-Netは共有ステージと特定のマルチタスクステージを含み、ネットワークはバイナリと非バイナリの指紋を順次トレーニングすることができる。
実験結果から,PGT-Netは湿式フィンガープリントにおいて有望な性能を示し,指紋認識率(FRR)を大幅に向上させることが示された。
論文 参考訳（メタデータ） (2023-08-14T09:19:26Z) - A Universal Latent Fingerprint Enhancer Using Transformers [47.87570819350573]
本研究の目的は,ULPrintと呼ばれる高速なフィンガープリント方式を開発し,様々な潜伏指紋のタイプを増強することである。
クローズドセットの識別精度実験では、MSU-AFISの性能は61.56%から75.19%に向上した。
論文 参考訳（メタデータ） (2023-05-31T23:01:11Z) - AFR-Net: Attention-Driven Fingerprint Recognition Network [47.87570819350573]
指紋認識を含む生体認証における視覚変換器(ViT)の使用に関する初期研究を改善する。
ネットワーク内の中間特徴マップから抽出した局所的な埋め込みを用いて,グローバルな埋め込みを低確かさで洗練する手法を提案する。
この戦略は、既存のディープラーニングネットワーク(アテンションベース、CNNベース、あるいはその両方を含む)のラッパーとして適用することで、パフォーマンスを向上させることができる。
論文 参考訳（メタデータ） (2022-11-25T05:10:39Z) - FIGO: Enhanced Fingerprint Identification Approach Using GAN and One
Shot Learning Techniques [0.0]
本稿では,生成逆数ネットワークとワンショット学習技術に基づく指紋識別手法を提案する。
まず,低画質の指紋画像を,指紋強調層に直接画素を向けて高レベルの指紋画像に変換するPix2Pixモデルを提案する。
第2に,指紋識別プロセスにおいて,各指紋を他の指紋と区別するために,ワンショット学習アプローチを用いた完全自動指紋特徴抽出モデルを構築した。
論文 参考訳（メタデータ） (2022-08-11T02:45:42Z) - SpoofGAN: Synthetic Fingerprint Spoof Images [47.87570819350573]
指紋スプーフ検出の進歩に対する大きな制限は、公開可能な大規模な指紋スプーフデータセットの欠如である。
この研究は、これらのアルゴリズムに十分なデータを供給する際に、合成指紋(ライブ指紋とスプーフ指紋の両方)の有用性を実証することを目的としている。
論文 参考訳（メタデータ） (2022-04-13T16:27:27Z) - FDeblur-GAN: Fingerprint Deblurring using Generative Adversarial Network [22.146795282680667]
本稿では,cGAN(Productrative Adversarial Networks)とスタックGANのマルチステージフレームワークに基づく指紋除去モデルFDe-GANを提案する。
2つの補助的なサブネットワークをデブロアリングタスクのモデルに統合する。
我々は, 指紋データベースの95.18%の精度を, 汚れた指紋と地面の真実の指紋とをマッチングするために達成した。
論文 参考訳（メタデータ） (2021-06-21T18:37:20Z) - ProxyFAUG: Proximity-based Fingerprint Augmentation [81.15016852963676]
ProxyFAUGはルールベースで近接性に基づく指紋増強法である。
このデータセット上で最高のパフォーマンスの測位法は、中央値エラーで40%改善され、平均誤差で6%向上した。
論文 参考訳（メタデータ） (2021-02-04T15:59:30Z) - Latent Fingerprint Registration via Matching Densely Sampled Points [100.53031290339483]
既存の潜伏指紋登録手法は、主にミツバチ間の対応を確立することに基づいている。
本研究では,一対の指紋間の空間的変換を推定する,最小限の潜伏指紋登録手法を提案する。
提案手法は,特に挑戦的な条件下で,最先端の登録性能を実現する。
論文 参考訳（メタデータ） (2020-05-12T15:51:59Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。