論文の概要: A Method of Data Augmentation to Train a Small Area Fingerprint
Recognition Deep Neural Network with a Normal Fingerprint Database
- arxiv url: http://arxiv.org/abs/2203.12241v1
- Date: Wed, 23 Mar 2022 07:29:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-25 04:10:49.571626
- Title: A Method of Data Augmentation to Train a Small Area Fingerprint
Recognition Deep Neural Network with a Normal Fingerprint Database
- Title（参考訳）: 正規指紋データベースを用いた小面積指紋認識深部ニューラルネットワークの訓練のためのデータ拡張法
- Authors: JuSong Kim
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Fingerprints are popular among the biometric based systems due to ease of
acquisition, uniqueness and availability. Nowadays it is used in smart phone
security, digital payment and digital locker. The traditional fingerprint
matching methods based on minutiae are mainly applicable for large-area
fingerprint and the accuracy rate would reduce significantly when dealing with
small-area fingerprint from smart phone. There are many attempts to using deep
learning for small-area fingerprint recognition, and there are many successes.
But training deep neural network needs a lot of datasets for training. There is
no well-known dataset for small-area, so we have to make datasets ourselves. In
this paper, we propose a method of data augmentation to train a small-area
fingerprint recognition deep neural network with a normal fingerprint database
(such as FVC2002) and verify it via tests. The experimental results showed the
efficiency of our method.
- Abstract（参考訳）: 指紋は、取得の容易さ、ユニーク性、可用性のため、生体認証ベースのシステムで人気がある。
現在、携帯電話のセキュリティ、デジタル決済、デジタルロッカーで使われている。
ミツバチに基づく従来の指紋マッチング法は主に大面積指紋に適用でき、スマートフォンから小面積指紋を扱う場合の精度は大幅に低下する。
小面積の指紋認証にディープラーニングを使う試みは数多くあり、多くの成功がある。
しかし、深層ニューラルネットワークのトレーニングには、トレーニングに多くのデータセットが必要です。
小さな領域のためのよく知られたデータセットはありません。
本稿では、通常の指紋データベース(fvc2002など)を用いて、小規模の指紋認識深層ニューラルネットワークを訓練し、テストにより検証するためのデータ拡張法を提案する。
実験の結果,本手法の有効性が示された。
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) - Advancing 3D finger knuckle recognition via deep feature learning [51.871256510747465]
接触のない3Dフィンガーナックルパターンは、識別性、距離からの視認性、利便性、利便性により、効果的な生体認証として出現している。
近年、ディープニューラルネットワークの中間機能を複数のスケールで同時に組み込むディープ・フィーチャー・コラボレーティブ・ネットワークが開発されている。
本稿では,3次元指のナックル画像を表現するために,最小次元の識別特徴ベクトルを学習する可能性を検討することにより,本手法を推し進める。
論文 参考訳（メタデータ） (2023-01-07T20:55:16Z) - 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) - 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 Fingerprint Detection Method by Fingerprint Ridge Orientation Check [0.0]
指紋認識技術は長い間研究されてきたが、その認識率は近年高い水準まで上昇している。
本稿では,指紋認識システムにおける指紋検出アルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-05-06T05:19:41Z) - Mobile Behavioral Biometrics for Passive Authentication [65.94403066225384]
本研究は, 単モーダルおよび多モーダルな行動的生体特性の比較分析を行った。
HuMIdbは、最大かつ最も包括的なモバイルユーザインタラクションデータベースである。
我々の実験では、最も識別可能な背景センサーは磁力計であり、タッチタスクではキーストロークで最良の結果が得られる。
論文 参考訳（メタデータ） (2022-03-14T17:05:59Z) - A Contactless Fingerprint Recognition System [5.565364597145569]
距離から指紋をキャプチャする非接触指紋認識システムを開発するためのアプローチを提案する。
キャプチャされたフィンガー写真はさらに処理され、グローバルおよびローカルな機能(ミニチュアベース)が取得される。
提案システムはNvidia Jetson Nano開発キットを用いて開発され,非接触指紋認識をリアルタイムで行うことができる。
論文 参考訳（メタデータ） (2021-08-20T08:21:55Z) - 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) - 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。