論文の概要: Deep Slap Fingerprint Segmentation for Juveniles and Adults

• arxiv url: http://arxiv.org/abs/2110.04067v1
• Date: Wed, 6 Oct 2021 04:48:23 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-12 09:49:58.857038
• Title: Deep Slap Fingerprint Segmentation for Juveniles and Adults
• Title（参考訳）: 若年者および成人に対するディープスラップ指紋セグメンテーション
• Authors: M. G. Sarwar Murshed, Robert Kline, Keivan Bahmani, Faraz Hussain, Stephanie Schuckers
• Abstract要約: 成人例は9084例, 成人例は6706例, 4歳から12歳までの小児例は6706例であった。 NIST によるスラップ指紋分割システム NFSEG の成年者および若年者のスラップにおけるマッチング性能について検討した。
• 参考スコア（独自算出の注目度）: 1.5411929268269822
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Many fingerprint recognition systems capture four fingerprints in one image. In such systems, the fingerprint processing pipeline must first segment each four-fingerprint slap into individual fingerprints. Note that most of the current fingerprint segmentation algorithms have been designed and evaluated using only adult fingerprint datasets. In this work, we have developed a human-annotated in-house dataset of 15790 slaps of which 9084 are adult samples and 6706 are samples drawn from children from ages 4 to 12. Subsequently, the dataset is used to evaluate the matching performance of the NFSEG, a slap fingerprint segmentation system developed by NIST, on slaps from adults and juvenile subjects. Our results reveal the lower performance of NFSEG on slaps from juvenile subjects. Finally, we utilized our novel dataset to develop the Mask-RCNN based Clarkson Fingerprint Segmentation (CFSEG). Our matching results using the Verifinger fingerprint matcher indicate that CFSEG outperforms NFSEG for both adults and juvenile slaps. The CFSEG model is publicly available at \url{https://github.com/keivanB/Clarkson_Finger_Segment}
• Abstract（参考訳）: 多くの指紋認識システムは、1つの画像に4つの指紋をキャプチャする。 このようなシステムでは、指紋処理パイプラインはまず4本の指紋を個々の指紋に分割しなければならない。 現在の指紋分割アルゴリズムは成人の指紋データのみを用いて設計・評価されている。 本研究では,4歳から12歳までの小児から採取した成人標本が9084例,成人標本が6706例である15790スラップの人為的注釈付き社内データセットを開発した。 その後、NISTが開発したスラップ指紋分割システムであるNFSEGの成人および若年者のスラップにおけるマッチング性能を評価するためにデータセットが使用される。 その結果,若年者のスラップに対するnfsegの低下が確認された。 最後に、新しいデータセットを用いて、Mask-RCNNベースのClarkson Fingerprint Segmentation (CFSEG)を開発した。 Verifinger 指紋マーカを用いたマッチングの結果,CFSEG は成人,若年者ともに NFSEG よりも優れていた。 CFSEGモデルは \url{https://github.com/keivanB/Clarkson_Finger_Segment} で公開されている。

関連論文リスト

• 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)
• Deep Age-Invariant Fingerprint Segmentation System [2.654502128955621]
  指紋ベースの識別システムは、被験者の複数の指紋を含むスラップを1つの指紋の代わりに使用する場合、より高い精度を達成する。 スラップ画像中のすべての指紋のセグメント化や自動局在化は、指紋の向き、ノイズの多い背景、指先成分の小さいサイズのために難しい作業である。 深層学習に基づくアルゴリズムを用いて,軸方向と過回転の両スラップ画像から指紋を正確に位置決めし,ラベル付けする任意の角度境界ボックスを生成する手法を提案する。
  論文  参考訳（メタデータ） (2023-03-06T18:21:16Z)
• 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)
• 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)
• Sensor-invariant Fingerprint ROI Segmentation Using Recurrent Adversarial Learning [5.740220134446289]
  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。
  論文  参考訳（メタデータ） (2021-07-03T07:16:39Z)
• High Fidelity Fingerprint Generation: Quality, Uniqueness, and Privacy [1.3911984813936993]
  我々は、進歩的成長に基づくジェネレーティブ・ディバイザリー・ネットワーク(GAN)を利用して、クラークソン・フィンガープリント・ジェネレータ(CFG)を開発した。 CFGは512times512$ピクセル、フル、プレインプレッション指紋を生成できる。 その結果,CFGが生成する指紋はユニークで多様性があり,微妙な構成や品質の訓練データセットに類似していることが示唆された。
  論文  参考訳（メタデータ） (2021-05-21T15:18:28Z)
• 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)
• Responsible Disclosure of Generative Models Using Scalable Fingerprinting [70.81987741132451]
  深層生成モデルは質的に新しいパフォーマンスレベルを達成した。 この技術がスプーフセンサーに誤用され、ディープフェイクを発生させ、大規模な誤情報を可能にするという懸念がある。 最先端のジェネレーションモデルを責任を持って公開することで、研究者や企業がモデルに指紋を刻むことができます。
  論文  参考訳（メタデータ） (2020-12-16T03:51:54Z)
• 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。