論文の概要: FIGO: Enhanced Fingerprint Identification Approach Using GAN and One
Shot Learning Techniques
- arxiv url: http://arxiv.org/abs/2208.05615v2
- Date: Mon, 29 May 2023 03:21:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-31 03:40:28.143761
- Title: FIGO: Enhanced Fingerprint Identification Approach Using GAN and One
Shot Learning Techniques
- Title（参考訳）: figo:ganとワンショット学習技術を用いた指紋識別の強化
- Authors: Ibrahim Yilmaz and Mahmoud Abouyoussef
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Fingerprint evidence plays an important role in a criminal investigation for
the identification of individuals. Although various techniques have been
proposed for fingerprint classification and feature extraction, automated
fingerprint identification of fingerprints is still in its earliest stage. The
performance of traditional \textit{Automatic Fingerprint Identification System}
(AFIS) depends on the presence of valid minutiae points and still requires
human expert assistance in feature extraction and identification stages. Based
on this motivation, we propose a Fingerprint Identification approach based on
Generative adversarial network and One-shot learning techniques (FIGO). Our
solution contains two components: fingerprint enhancement tier and fingerprint
identification tier. First, we propose a Pix2Pix model to transform low-quality
fingerprint images to a higher level of fingerprint images pixel by pixel
directly in the fingerprint enhancement tier. With the proposed enhancement
algorithm, the fingerprint identification model's performance is significantly
improved. Furthermore, we develop another existing solution based on Gabor
filters as a benchmark to compare with the proposed model by observing the
fingerprint device's recognition accuracy. Experimental results show that our
proposed Pix2pix model has better support than the baseline approach for
fingerprint identification. Second, we construct a fully automated fingerprint
feature extraction model using a one-shot learning approach to differentiate
each fingerprint from the others in the fingerprint identification process. Two
twin convolutional neural networks (CNNs) with shared weights and parameters
are used to obtain the feature vectors in this process. Using the proposed
method, we demonstrate that it is possible to learn necessary information from
only one training sample with high accuracy.
- Abstract（参考訳）: 指紋証拠は個人識別のための刑事捜査において重要な役割を果たす。
指紋の分類や特徴抽出には様々な技術が提案されているが、指紋の自動識別はまだ初期段階にある。
従来の \textit{Automatic Fingerprint Identification System (AFIS) の性能は、有効な微妙な点の存在に依存し、特徴抽出と識別段階において人間の専門的な支援を必要とする。
このモチベーションに基づいて、生成的対向ネットワークとワンショット学習技術(FIGO)に基づく指紋識別手法を提案する。
我々のソリューションには、指紋強調層と指紋識別層という2つのコンポーネントが含まれている。
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。
提案アルゴリズムでは,指紋識別モデルの性能が大幅に向上した。
さらに,指紋装置の認識精度を観測することにより,提案したモデルと比較するためのベンチマークとして,Gaborフィルタに基づく既存ソリューションを開発した。
実験の結果,提案したPix2pixモデルは指紋認証のベースラインアプローチよりもサポートが優れていることがわかった。
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。
この過程で特徴ベクトルを得るために、共有重みとパラメータを持つ2つの双対畳み込みニューラルネットワーク(CNN)を用いる。
提案手法を用いて,1つのトレーニングサンプルのみから必要な情報を高精度に学習できることを実証した。
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) - 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) - 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) - Pair-Relationship Modeling for Latent Fingerprint Recognition [25.435974669629374]
本稿では,2つの指紋のペア関係を認識の類似性として直接モデル化する手法を提案する。
2つのデータベースに対する実験結果から,提案手法が技術状況より優れていることが示された。
論文 参考訳（メタデータ） (2022-07-02T11:31:31Z) - 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) - 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) - FDeblur-GAN: Fingerprint Deblurring using Generative Adversarial Network [22.146795282680667]
本稿では,cGAN(Productrative Adversarial Networks)とスタックGANのマルチステージフレームワークに基づく指紋除去モデルFDe-GANを提案する。
2つの補助的なサブネットワークをデブロアリングタスクのモデルに統合する。
我々は, 指紋データベースの95.18%の精度を, 汚れた指紋と地面の真実の指紋とをマッチングするために達成した。
論文 参考訳（メタデータ） (2021-06-21T18:37:20Z) - 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。