論文の概要: PrintsGAN: Synthetic Fingerprint Generator

• arxiv url: http://arxiv.org/abs/2201.03674v1
• Date: Mon, 10 Jan 2022 22:25:10 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-12 14:19:52.122203
• Title: PrintsGAN: Synthetic Fingerprint Generator
• Title（参考訳）: PrintsGAN: 合成フィンガープリントジェネレータ
• Authors: Joshua J. Engelsma, Steven A. Grosz, and Anil K. Jain
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 39.804969475699345
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A major impediment to researchers working in the area of fingerprint recognition is the lack of publicly available, large-scale, fingerprint datasets. The publicly available datasets that do exist contain very few identities and impressions per finger. This limits research on a number of topics, including e.g., using deep networks to learn fixed length fingerprint embeddings. Therefore, we propose PrintsGAN, a synthetic fingerprint generator capable of generating unique fingerprints along with multiple impressions for a given fingerprint. Using PrintsGAN, we synthesize a database of 525,000 fingerprints (35,000 distinct fingers, each with 15 impressions). Next, we show the utility of the PrintsGAN generated dataset by training a deep network to extract a fixed-length embedding from a fingerprint. In particular, an embedding model trained on our synthetic fingerprints and fine-tuned on a small number of publicly available real fingerprints (25,000 prints from NIST SD302) obtains a TAR of 87.03% @ FAR=0.01% on the NIST SD4 database (a boost from TAR=73.37% when only trained on NIST SD302). Prevailing synthetic fingerprint generation methods do not enable such performance gains due to i) lack of realism or ii) inability to generate multiple impressions per finger. We plan to release our database of synthetic fingerprints to the public.
• Abstract（参考訳）: 指紋認識の分野での研究者にとっての大きな障害は、公開可能な大規模な指紋データセットがないことである。 公開されているデータセットには、指1本あたりのアイデンティティと印象が非常に少ない。 これは、例えばディープネットワークを使って固定長の指紋の埋め込みを学習するなど、いくつかのトピックの研究を制限する。 そこで本研究では,特定の指紋に対して複数の印象とともにユニークな指紋を生成できる合成指紋生成装置printsganを提案する。 printsganを使って、525,000の指紋(それぞれ15の印象を持つ35,000の異なる指)のデータベースを合成する。 次に、深層ネットワークをトレーニングし、指紋から固定長埋め込みを抽出することで、PrintsGAN生成データセットの有用性を示す。 特に,NIST SD302 から25,000 個の指紋が取得された場合,NIST SD4 データベース上で 87.03% @ FAR=0.01% の TAR が得られる(NIST SD302 上でのみ TAR=73.37% からの上昇)。 一般的な合成指紋生成法は、このような性能向上を許さない 現実主義または現実主義の欠如 二 指一本に複数の印象を生じさせることができないこと。 私たちは合成指紋のデータベースを一般公開する予定です。

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)
• Synthetic Latent Fingerprint Generation Using Style Transfer [6.530917936319386]
  そこで我々は,現実的な潜伏指紋を合成するために,スタイル転送と画像ブレンディングを用いたシンプルで効果的なアプローチを提案する。 評価基準と実験により,生成した合成潜伏指紋は,入力された接触指紋から識別情報を保存していることが示された。
  論文  参考訳（メタデータ） (2023-09-27T15:47:00Z)
• A Latent Fingerprint in the Wild Database [20.273292447877807]
  われわれは,5つの異なる取得シナリオを含む大規模潜伏指紋データベースを新たに導入した。 この研究では、光学式および容量型センサーの2,636個の指紋、スマートフォンの1,318個の指紋、および132人の被験者の9,224個の潜伏指紋が提供された。
  論文  参考訳（メタデータ） (2023-04-03T13:47:38Z)
• Synthetic Latent Fingerprint Generator [47.87570819350573]
  フル指紋画像(ローリングまたはスラップ)が与えられた場合、私たちはCycleGANモデルを示し、フルプリントと同じアイデンティティの複数の潜在印象を生成する。 我々のモデルは、生成された潜在印刷画像の歪み、ノイズ、ぼかし、閉塞の程度を制御できる。 合成潜入指紋を生成する手法は,潜入指紋の認識性能向上に有効である。
  論文  参考訳（メタデータ） (2022-08-29T18:02:02Z)
• 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)
• 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)
• FingerGAN: A Constrained Fingerprint Generation Scheme for Latent Fingerprint Enhancement [23.67808389519383]
  拘束指紋生成問題として潜伏指紋強調法を定式化する手法を提案する。 2つの公開潜伏指紋データベースによる実験結果から,本手法が芸術の状態を著しく上回ることが示された。
  論文  参考訳（メタデータ） (2022-06-26T14:05:21Z)
• 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)
• 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)

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。