論文の概要: An Investigation of "Benford's" Law Divergence and Machine Learning
Techniques for "Intra-Class" Separability of Fingerprint Images
- arxiv url: http://arxiv.org/abs/2201.01699v2
- Date: Fri, 7 Jan 2022 13:45:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-10 12:53:29.596260
- Title: An Investigation of "Benford's" Law Divergence and Machine Learning
Techniques for "Intra-Class" Separability of Fingerprint Images
- Title（参考訳）: 指紋画像の「イントラクラス」分離性のための「ベンフォードの法則」の発散と機械学習技術の検討
- Authors: Aamo Iorliam, Orgem Emmanuel, and Yahaya I. Shehu
- Abstract要約: 本稿では,ベンフォード法則の発散値と機械学習技術を用いて,指紋画像の分類を行う。
これらのベンフォードの法則の分岐値を機械学習技術に入力した特徴として利用することは、指紋画像の分類において非常に効果的で効率的であることが証明されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Protecting a fingerprint database against attackers is very vital in order to
protect against false acceptance rate or false rejection rate. A key property
in distinguishing fingerprint images is by exploiting the characteristics of
these different types of fingerprint images. The aim of this paper is to
perform the classification of fingerprint images using the Ben-ford's law
divergence values and machine learning techniques. The usage of these
Ben-ford's law divergence values as features fed into the machine learning
techniques has proved to be very effective and efficient in the classification
of fingerprint images. The effectiveness of our proposed methodology was
demonstrated on five datasets, achieving very high classification "accuracies"
of 100% for the Decision Tree and CNN. However, the "Naive" Bayes, and Logistic
Regression achieved "accuracies" of 95.95%, and 90.54%, respectively. These
results showed that Ben-ford's law features and machine learning techniques
especially Decision Tree and CNN can be effectively applied for the
classification of fingerprint images.
- Abstract（参考訳）: 指紋データベースを攻撃者から守ることは、偽の受け入れ率や偽の拒絶率から保護するために非常に重要である。
指紋画像の識別における重要な特徴は、これらの異なる種類の指紋画像の特徴を利用することである。
本研究の目的は,ベンフォード法則の発散値と機械学習技術を用いて,指紋画像の分類を行うことである。
これらのベン・フォードの法則の発散値を機械学習技術に応用することは、指紋画像の分類において非常に効果的かつ効率的であることが証明されている。
提案手法の有効性を5つのデータセットで実証し,決定木とcnnに対して100%高い分類"精度"を達成した。
しかし、「ナイーブ」ベイズとロジスティック回帰はそれぞれ95.95%と90.54%の「精度」を達成した。
これらの結果から,ベンフォード法則の特徴,特に決定木とCNNを指紋画像の分類に効果的に適用できることが示唆された。
関連論文リスト
- RFDforFin: Robust Deep Forgery Detection for GAN-generated Fingerprint
Images [45.73061833269094]
本稿では,GAN生成画像の独自の隆起特性と生成アーティファクトを組み合わせた指紋画像に対する最初の深部偽造検出手法を提案する。
提案手法は,低複雑性で有効かつ堅牢である。
論文 参考訳（メタデータ） (2023-08-18T04:05:18Z) - Hierarchical Perceptual Noise Injection for Social Media Fingerprint
Privacy Protection [106.5308793283895]
ソーシャルメディアからの指紋漏洩は 画像を匿名化したいという強い欲求を喚起します
指紋漏洩を保護するために、画像に知覚不能な摂動を加えることにより、敵攻撃が解決策として現れる。
この問題を解決するために,階層型パーセプティカルノイズ注入フレームワークであるFingerSafeを提案する。
論文 参考訳（メタデータ） (2022-08-23T02:20:46Z) - 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) - 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) - Fingerprinting Image-to-Image Generative Adversarial Networks [53.02510603622128]
Generative Adversarial Networks (GAN) は様々なアプリケーションシナリオで広く利用されている。
本稿では,信頼できる第三者に基づく画像間GANの知的保護のための新しい指紋認証方式を提案する。
論文 参考訳（メタデータ） (2021-06-19T06:25:10Z) - Damaged Fingerprint Recognition by Convolutional Long Short-Term Memory
Networks for Forensic Purposes [0.0]
本稿では,Convolutional Long Short-Term Memory Networkによる損傷指紋の認識に着目した。
我々は,このモデルのアーキテクチャを示し,95%の精度,99%の精度,95%のリコール,99%のaucに接近する性能を示す。
論文 参考訳（メタデータ） (2020-12-30T04:51:58Z) - 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) - Enabling Fingerprint Presentation Attacks: Fake Fingerprint Fabrication
Techniques and Recognition Performance [5.886986014593717]
市販の5種類の指紋スキャナを,異なるセンサー技術を用いて評価した。
偽造表現を作成するために, ワックス, 鋳造, ラテックス, シリコーン, 接着剤の種類, 窓の色, 粘土のモデル化など, さまざまな材料を試験, 評価した。
論文 参考訳（メタデータ） (2020-12-01T16:20:32Z) - Single architecture and multiple task deep neural network for altered
fingerprint analysis [0.0]
「変質指紋」とは、摩擦隆起パターンの意図的な損傷を指す。
本稿では,変化指紋の検出,変化の種類の同定,性別,手,指の認識を行う手法を提案する。
提案手法は, 偽造, 変化, 性別, 手指の分類において, 98.21%, 98.46%, 92.52%, 97.53%, 92,18%の精度を達成している。
論文 参考訳（メタデータ） (2020-07-09T17:02:09Z)
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。