論文の概要: Learning an Ensemble of Deep Fingerprint Representations
- arxiv url: http://arxiv.org/abs/2209.02425v1
- Date: Fri, 2 Sep 2022 15:08:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-07 14:12:44.843501
- Title: Learning an Ensemble of Deep Fingerprint Representations
- Title(参考訳): 深部指紋表現のアンサンブルの学習
- Authors: Akash Godbole and Karthik Nandakumar and Anil K. Jain
- Abstract要約: ディープニューラルネットワーク(DNN)は、指紋から一定の長さの表現を学習する上で、驚くべき可能性を示しています。
指紋に含まれるすべての識別情報を包括的にカプセル化する普遍的な表現は存在しない。
入力画像の異なる変換に基づいてDeepPrintの複数のインスタンスをトレーニングし、指紋埋め込みのアンサンブルを生成する。
また,これらの複数の表現を単一の埋め込みに蒸留する特徴融合手法を提案する。
- 参考スコア(独自算出の注目度): 40.90173373640335
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deep neural networks (DNNs) have shown incredible promise in learning
fixed-length representations from fingerprints. Since the representation
learning is often focused on capturing specific prior knowledge (e.g.,
minutiae), there is no universal representation that comprehensively
encapsulates all the discriminatory information available in a fingerprint.
While learning an ensemble of representations can mitigate this problem, two
critical challenges need to be addressed: (i) How to extract multiple diverse
representations from the same fingerprint image? and (ii) How to optimally
exploit these representations during the matching process? In this work, we
train multiple instances of DeepPrint (a state-of-the-art DNN-based fingerprint
encoder) on different transformations of the input image to generate an
ensemble of fingerprint embeddings. We also propose a feature fusion technique
that distills these multiple representations into a single embedding, which
faithfully captures the diversity present in the ensemble without increasing
the computational complexity. The proposed approach has been comprehensively
evaluated on five databases containing rolled, plain, and latent fingerprints
(NIST SD4, NIST SD14, NIST SD27, NIST SD302, and FVC2004 DB2A) and
statistically significant improvements in accuracy have been consistently
demonstrated across a range of verification as well as closed- and open-set
identification settings. The proposed approach serves as a wrapper capable of
improving the accuracy of any DNN-based recognition system.
- Abstract(参考訳): ディープニューラルネットワーク(dnn)は、指紋から固定長表現を学ぶことに非常に有望である。
表現学習は、しばしば特定の事前知識(例えば、minutiae)を捉えることに焦点を当てているため、指紋で利用可能なすべての識別情報を包括的にカプセル化する普遍表現は存在しない。
表現のアンサンブルを学ぶことでこの問題を緩和できる一方で、2つの重要な課題に対処する必要がある。
(i)同じ指紋画像から複数の多様な表現を抽出する方法
そして
(ii)マッチングプロセス中にこれらの表現を最適に活用する方法?
本研究では、入力画像の異なる変換に対してDeepPrint(最先端のDNNベースの指紋エンコーダ)の複数のインスタンスをトレーニングし、指紋埋め込みのアンサンブルを生成する。
また,これらの複数表現を単一の埋め込みに蒸留し,計算複雑性を増大させることなくアンサンブルに存在する多様性を忠実に捉える特徴融合手法を提案する。
提案手法は, 転がり指紋(NIST SD4, NIST SD14, NIST SD27, NIST SD302, FVC 2004 DB2A)を含む5つのデータベース上で総合的に評価され, 統計的に有意な精度向上は, 検証範囲やクローズドおよびオープンセットの識別設定とともに一貫して実証されている。
提案手法は、DNNベースの認識システムの精度を向上させるラッパーとして機能する。
関連論文リスト
- Fingerprint Matching with Localized Deep Representation [36.93363004526732]
LDRFと呼ばれる指紋の局所的な深部表現を提案する。
LDRFは、様々な可視領域を持つ指紋に対して、より堅牢で正確な固定長表現を提供する。
非常に小さな重複領域の場合の不確実性を軽減するために,一致するスコア正規化手法を提案する。
論文 参考訳(メタデータ) (2023-11-30T14:15:39Z) - Towards General Visual-Linguistic Face Forgery Detection [95.73987327101143]
ディープフェイクは現実的な顔操作であり、セキュリティ、プライバシー、信頼に深刻な脅威をもたらす可能性がある。
既存の方法は、このタスクを、デジタルラベルまたはマスク信号を使用して検出モデルをトレーニングするバイナリ分類として扱う。
本稿では, 微粒な文レベルのプロンプトをアノテーションとして用いた, VLFFD (Visual-Linguistic Face Forgery Detection) という新しいパラダイムを提案する。
論文 参考訳(メタデータ) (2023-07-31T10:22:33Z) - Latent Fingerprint Recognition: Fusion of Local and Global Embeddings [30.40684369054112]
我々は,グローバルな埋め込みと局所的な埋め込みを組み合わせることで,マッチング精度を高いスループットでロールする。
本研究は,複数の転がり,平らな,接触のない指紋データセットの認証精度を向上させるために,融合表現の一般化可能性を示す。
論文 参考訳(メタデータ) (2023-04-26T19:42:57Z) - 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) - Neural Implicit Dictionary via Mixture-of-Expert Training [111.08941206369508]
ニューラルインシシット辞書(NID)を学習することで、データとトレーニング効率の両方を達成する汎用INRフレームワークを提案する。
我々のNIDは、所望の関数空間にまたがるように調整された座標ベースのImpworksのグループを組み立てる。
実験の結果,NIDは最大98%の入力データで2次元画像や3次元シーンの再現を2桁高速化できることがわかった。
論文 参考訳(メタデータ) (2022-07-08T05:07:19Z) - 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) - 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) - 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) - Towards Reading Beyond Faces for Sparsity-Aware 4D Affect Recognition [55.15661254072032]
自動4次元表情認識(FER)のための空間認識深層ネットワークを提案する。
まず,深層学習のためのデータ制限問題に対処する新しい拡張手法を提案する。
次に、多視点での畳み込み特徴のスパース表現を計算するために、疎度対応のディープネットワークを提案する。
論文 参考訳(メタデータ) (2020-02-08T13:09:11Z)
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。