論文の概要: Large scale deduplication based on fingerprints
- arxiv url: http://arxiv.org/abs/2101.04976v1
- Date: Wed, 13 Jan 2021 10:10:58 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-30 07:57:31.310490
- Title: Large scale deduplication based on fingerprints
- Title（参考訳）: 指紋に基づく大規模重複解消
- Authors: Jean Aymar Biyiha Nlend, Ibrahim Moukouop Nguena and Thomas Bouetou
Bouetou
- Abstract要約: 本稿では,指紋に基づく大規模重複排除を行うアルゴリズムを提案する。
これは、各指紋に対して5×5マトリクスを用いて得られる指標の開発に基づいている。
10 000 000指紋のベースは、たったのコンピュータで2時間以内に複製することができます。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In fingerprint-based systems, the size of databases increases considerably
with population growth. In developing countries, because of the difficulty in
using a central system when enlisting voters, it often happens that several
regional voter databases are created and then merged to form a central
database. A process is used to remove duplicates and ensure uniqueness by
voter. Until now, companies specializing in biometrics use several costly
computing servers with algorithms to perform large-scale deduplication based on
fingerprints. These algorithms take a considerable time because of their
complexity in O (n2), where n is the size of the database. This article
presents an algorithm that can perform this operation in O (2n), with just a
computer. It is based on the development of an index obtained using a 5 * 5
matrix performed on each fingerprint. This index makes it possible to build
clusters of O (1) in size in order to compare fingerprints. This approach has
been evaluated using close to 11 4000 fingerprints, and the results obtained
show that this approach allows a penetration rate of less than 1%, an almost O
(1) identification, and an O (n) deduplication. A base of 10 000 000
fingerprints can be deduplicated with a just computer in less than two hours,
contrary to several days and servers for the usual tools.
Keywords: fingerprint, cluster, index, deduplication.
- Abstract（参考訳）: 指紋ベースのシステムでは、人口増加に伴ってデータベースのサイズが大幅に増加する。
発展途上国では、有権者登録時に中央システムを使うのが難しいため、複数の地方有権者データベースを作成して統合して中央データベースを形成することが多い。
プロセスは重複を取り除き、投票者によって独自性を確保するために使用される。
これまでバイオメトリックスを専門とする企業は、複数の高価な計算サーバとアルゴリズムを使用して、指紋に基づいて大規模な重複解消を行う。
これらのアルゴリズムは、データベースのサイズが n である O (n2) の複雑さのため、かなり時間がかかる。
本稿では,O(2n)での演算をコンピュータで行うアルゴリズムを提案する。
これは、各指紋に対して5×5マトリクスを用いて得られる指標の開発に基づいている。
このインデックスは、指紋を比較するためにO(1)のサイズのクラスタを構築することができる。
この手法は, 約11 4000 個の指紋を用いて評価されており, その結果, 浸透率が 1% 未満, ほぼ o(1) の同定, o (n) の重複が認められていることがわかった。
10万の指紋のベースは、通常のツールの数日とサーバーとは対照的に、2時間以内のコンピュータで複製できる。
キーワード: 指紋、クラスタ、インデックス、重複排除。
関連論文リスト
- Semi-Parametric Retrieval via Binary Token Index [71.78109794895065]
Semi-parametric Vocabulary Disentangled Retrieval (SVDR) は、新しい半パラメトリック検索フレームワークである。
既存のニューラル検索手法に似た、高い有効性のための埋め込みベースのインデックスと、従来の用語ベースの検索に似た、迅速かつ費用対効果の高いセットアップを可能にするバイナリトークンインデックスの2つのタイプをサポートする。
埋め込みベースインデックスを使用する場合の高密度検索器DPRよりも3%高いトップ1検索精度と、バイナリトークンインデックスを使用する場合のBM25よりも9%高いトップ1検索精度を実現する。
論文 参考訳（メタデータ） (2024-05-03T08:34:13Z) - 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) - QUBO-inspired Molecular Fingerprint for Chemical Property Prediction [0.5161531917413708]
我々は,より効果的な指紋を用いた予測性能がよいという仮定に基づいて,新しい指紋を生成する。
複数のベース指紋の産物である効果的な相互作用指紋を生成する。
そこで本研究では,QM9データセットを用いた効果的なインタラクションフィンガープリントについて検討した。
論文 参考訳（メタデータ） (2023-03-17T04:40:49Z) - A review of schemes for fingerprint image quality computation [66.32254395574994]
本稿では,指紋画像品質計算における既存手法について概説する。
また、9000個の指紋画像を含むMCYTデータベースを用いて、それらの選択を実装し、テストし、比較する。
論文 参考訳（メタデータ） (2022-07-12T10:34:03Z) - A Method of Data Augmentation to Train a Small Area Fingerprint
Recognition Deep Neural Network with a Normal Fingerprint Database [0.0]
本研究では, 指紋データベースを用いた小面積指紋認識深層ニューラルネットワークの訓練のためのデータ拡張手法を提案する。
実験の結果,本手法の有効性が示された。
論文 参考訳（メタデータ） (2022-03-23T07:29:39Z) - Synthesis and Reconstruction of Fingerprints using Generative
Adversarial Networks [6.700873164609009]
本稿では,StyleGan2アーキテクチャに基づく新しい指紋合成・再構成フレームワークを提案する。
また,生成した指紋の属性を同一性を保ちながら修正する計算手法も提案する。
提案手法は, 指紋合成と復元の両面において, 現代的手法よりも優れていることを示した。
論文 参考訳（メタデータ） (2022-01-17T00:18:00Z) - PrintsGAN: Synthetic Fingerprint Generator [39.804969475699345]
PrintsGANは、特定の指紋に対する複数の印象とともに、ユニークな指紋を生成することができる合成指紋生成装置である。
本研究では,指紋から一定の長さの埋め込みを抽出するために,深層ネットワークをトレーニングしたPrintsGANの有用性を示す。
論文 参考訳（メタデータ） (2022-01-10T22:25:10Z) - Fingerprint Matching using the Onion Peeling Approach and Turning
Function [0.0]
フィンガープリントは最も人気があり、丈夫な生体計測特性の1つである。
ほとんどの指紋マッチングアルゴリズムはミツバチをベースとしている。
本論文は,タマネギの剥離法を用いた新しいミナミアン系指紋照合法を提案する。
論文 参考訳（メタデータ） (2021-10-03T09:10:44Z) - 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) - The Case for Learned Spatial Indexes [62.88514422115702]
我々は、空間範囲の問合せに答えるために、最先端の学習した多次元インデックス構造(すなわちFlood)から提案した手法を用いる。
i) パーティション内の機械学習検索は、1次元でフィルタリングを使用する場合の2進探索よりも11.79%速く、39.51%高速であることを示す。
また、2次元でフィルタする最も近い競合相手の1.23倍から1.83倍の速さで機械学習インデックスを精査する。
論文 参考訳（メタデータ） (2020-08-24T12:09:55Z) - 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。