Fugu-MT 論文翻訳(概要): Sensor-invariant Fingerprint ROI Segmentation Using Recurrent Adversarial Learning

論文の概要: Sensor-invariant Fingerprint ROI Segmentation Using Recurrent Adversarial Learning

arxiv url: http://arxiv.org/abs/2107.01361v1
Date: Sat, 3 Jul 2021 07:16:39 GMT
ステータス: 処理完了
システム内更新日: 2021-07-06 15:22:41.885421
Title: Sensor-invariant Fingerprint ROI Segmentation Using Recurrent Adversarial Learning
Title（参考訳）: recurrent adversarial learningを用いたセンサ不変指紋roiセグメンテーション
Authors: Indu Joshi and Ayush Utkarsh and Riya Kothari and Vinod K Kurmi and Antitza Dantcheva and Sumantra Dutta Roy and Prem Kumar Kalra
Abstract要約: 本稿では, 指紋領域分割モデルによるセンサ不変の特徴の学習を支援する, 逆学習に基づく特徴アライメントネットワークを提案する。公開されているFVCデータベースの実験は,提案手法の有効性を実証している。
参考スコア（独自算出の注目度）: 5.740220134446289
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: A fingerprint region of interest (roi) segmentation algorithm is designed to separate the foreground fingerprint from the background noise. All the learning based state-of-the-art fingerprint roi segmentation algorithms proposed in the literature are benchmarked on scenarios when both training and testing databases consist of fingerprint images acquired from the same sensors. However, when testing is conducted on a different sensor, the segmentation performance obtained is often unsatisfactory. As a result, every time a new fingerprint sensor is used for testing, the fingerprint roi segmentation model needs to be re-trained with the fingerprint image acquired from the new sensor and its corresponding manually marked ROI. Manually marking fingerprint ROI is expensive because firstly, it is time consuming and more importantly, requires domain expertise. In order to save the human effort in generating annotations required by state-of-the-art, we propose a fingerprint roi segmentation model which aligns the features of fingerprint images derived from the unseen sensor such that they are similar to the ones obtained from the fingerprints whose ground truth roi masks are available for training. Specifically, we propose a recurrent adversarial learning based feature alignment network that helps the fingerprint roi segmentation model to learn sensor-invariant features. Consequently, sensor-invariant features learnt by the proposed roi segmentation model help it to achieve improved segmentation performance on fingerprints acquired from the new sensor. Experiments on publicly available FVC databases demonstrate the efficacy of the proposed work.
Abstract（参考訳）: 前景の指紋を背景雑音から分離するために, 関心領域(roi)セグメンテーションアルゴリズムが設計されている。論文で提案されている学習に基づく指紋roiセグメンテーションアルゴリズムはすべて、同じセンサから取得した指紋画像からトレーニングとテストの両方のデータベースを構成する場合のシナリオに基づいてベンチマークされる。しかし、異なるセンサでテストを行う場合、得られるセグメンテーション性能は不満足であることが多い。その結果、新しい指紋センサがテストに使用される度に、新しいセンサーから取得した指紋画像とそれに対応する手書きのROIで指紋ロイセグメンテーションモデルを再訓練する必要がある。指紋のROIを手作業でマークするのは高価です。そこで,本研究では,最先端技術が必要とするアノテーションを生成するための人的努力を省くために,未確認センサから抽出した指紋画像の特徴をトレーニング用に利用できる指紋から得られるものに近いように整列する指紋ロイ分割モデルを提案する。具体的には,指紋roiセグメンテーションモデルによるセンサ不変特徴の学習を支援する,相反学習に基づく特徴アライメントネットワークを提案する。その結果, roiセグメンテーションモデルにより学習したセンサ不変特性は, 新たなセンサから取得した指紋のセグメンテーション性能の向上に寄与する。公開されているFVCデータベースの実験は,提案手法の有効性を実証している。

関連論文リスト

Deep Learning-Based Approaches for Contactless Fingerprints Segmentation and Extraction [1.2441902898414798]
我々は,非接触指紋の局所化とセグメンテーションのためのディープラーニングベースのセグメンテーションツールを開発した。評価では,30ピクセルの平均絶対誤差(MAE),5.92度の角度予測誤差(EAP),97.46%のラベル付け精度を示した。
論文参考訳（メタデータ） (2023-11-26T01:56:10Z)
Benchmarking fixed-length Fingerprint Representations across different Embedding Sizes and Sensor Types [13.715060479044167]
指紋から固定長埋め込みを抽出するディープニューラルネットワークが提案されている。本研究では,2種類のセンサに対する指紋テクスチャ情報の認識性能に与える影響について検討した。
論文参考訳（メタデータ） (2023-07-17T16:30:44Z)
Agile gesture recognition for capacitive sensing devices: adapting on-the-job [55.40855017016652]
本システムでは, コンデンサセンサからの信号を手の動き認識器に組み込んだ手動作認識システムを提案する。コントローラは、着用者5本の指それぞれからリアルタイム信号を生成する。機械学習技術を用いて時系列信号を解析し,500ms以内で5本の指を表現できる3つの特徴を同定する。
論文参考訳（メタデータ） (2023-05-12T17:24:02Z)
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)
Deep-Learning-Based Device Fingerprinting for Increased LoRa-IoT Security: Sensitivity to Network Deployment Changes [10.698553177585973]
各種ネットワーク設定変化に対する LoRa RF フィンガープリントの感度について検討・解析を行った。本稿では,帯域外歪み情報を利用して指紋認証精度を向上させる新しい指紋認証手法を提案する。以上の結果から,学習モデルが同じ条件下でトレーニングされ,テストされた場合,指紋認証は比較的良好であることがわかった。
論文参考訳（メタデータ） (2022-08-31T16:53:05Z)
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)
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)
On the vulnerability of fingerprint verification systems to fake fingerprint attacks [57.36125468024803]
中規模の偽指紋データベースを記述し、2つの異なる指紋認証システムを評価する。光およびサーマルスイーピングセンサの結果が提供される。
論文参考訳（メタデータ） (2022-07-11T12:22:52Z)
A Comparative Study of Fingerprint Image-Quality Estimation Methods [54.84936551037727]
画質の悪い画像は、突発的で欠落した特徴をもたらし、システム全体の性能を低下させる。本稿では,指紋画像品質評価のための既存手法について概説する。また,指紋画像品質推定アルゴリズムの選定も行った。
論文参考訳（メタデータ） (2021-11-14T19:53:12Z)
Fingerprint Feature Extraction by Combining Texture, Minutiae, and Frequency Spectrum Using Multi-Task CNN [0.14337588659482517]
テクスチャ,栄養,周波数スペクトルから指紋の特徴を抽出する新しいCNN法を提案する。提案手法は,市販の指紋照合ソフトウェアや従来手法と比較して,指紋認証の効率がよいことを示す。
論文参考訳（メタデータ） (2020-08-27T05:15:39Z)
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。