Fugu-MT 論文翻訳(概要): Finger-NestNet: Interpretable Fingerphoto Verification on Smartphone using Deep Nested Residual Network

論文の概要: Finger-NestNet: Interpretable Fingerphoto Verification on Smartphone using Deep Nested Residual Network

arxiv url: http://arxiv.org/abs/2212.05884v1
Date: Fri, 9 Dec 2022 17:15:35 GMT
ステータス: 処理完了
システム内更新日: 2022-12-13 17:57:48.961340
Title: Finger-NestNet: Interpretable Fingerphoto Verification on Smartphone using Deep Nested Residual Network
Title（参考訳）: Finger-NestNet:Deep Nested Residual Networkを用いたスマートフォン上での解釈可能な指紋認証
Authors: Raghavendra Ramachandra and Hailin Li
Abstract要約: 本研究は、ネストした残差ブロックFinger-NestNetを用いた指紋認証の新しいアルゴリズムを提案する。提案したFinger-NestNetアーキテクチャは、3つの連続した畳み込みブロックと一連のネストされた残差ブロックで設計され、信頼性の高い指紋認証を実現する。
参考スコア（独自算出の注目度）: 6.668147787950981
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Fingerphoto images captured using a smartphone are successfully used to verify the individuals that have enabled several applications. This work presents a novel algorithm for fingerphoto verification using a nested residual block: Finger-NestNet. The proposed Finger-NestNet architecture is designed with three consecutive convolution blocks followed by a series of nested residual blocks to achieve reliable fingerphoto verification. This paper also presents the interpretability of the proposed method using four different visualization techniques that can shed light on the critical regions in the fingerphoto biometrics that can contribute to the reliable verification performance of the proposed method. Extensive experiments are performed on the fingerphoto dataset comprised of 196 unique fingers collected from 52 unique data subjects using an iPhone6S. Experimental results indicate the improved verification of the proposed method compared to six different existing methods with EER = 1.15%.
Abstract（参考訳）: スマートフォンで撮影した指紋画像は、複数のアプリケーションを有効にした個人を検証するためにうまく使われている。本研究は、ネストした残差ブロックFinger-NestNetを用いた指紋認証の新しいアルゴリズムを提案する。提案したFinger-NestNetアーキテクチャは、3つの連続した畳み込みブロックと一連のネストされた残差ブロックで設計され、信頼性の高い指紋認証を実現する。また,本手法の信頼性検証性能に寄与する指紋バイオメトリックスにおける臨界領域に光を放つ4種類の可視化技術を用いて,提案手法の解釈可能性を示す。 iphone6sを使って52のユニークなデータから収集された196個のユニークな指からなる、フィンガーフォトデータセットで広範な実験が行われた。実験の結果,EER = 1.15%の6種類の既存手法と比較して,提案手法の検証精度が向上した。

関連論文リスト

Fingervein Verification using Convolutional Multi-Head Attention Network [3.700129710233692]
本稿では,VeinAtnNetという,畳み込み型マルチヘッドアテンションネットワークを用いた新しいフィンガーベイン検証手法を提案する。提案したVeinAtnNetは、通常の指紋画像と強化された指紋画像の両方から識別情報を抽出しながら、学習可能なパラメータの少ない軽量化を実現するように設計されている。
論文参考訳（メタデータ） (2023-10-25T17:38:16Z)
Web Photo Source Identification based on Neural Enhanced Camera Fingerprint [9.606477062236499]
Web写真のソースカメラ識別は、キャプチャされた画像とソースカメラとの信頼性の高いリンクを確立することを目的としている。本稿では,ニューラルネットの強化されたセンサパターンノイズを利用した,革新的で実用的な音源識別フレームワークを提案する。距離学習と周波数整合性を深層ネットワーク設計に組み込むことで,最新のスマートフォン写真における指紋抽出アルゴリズムの最先端性能を実現する。
論文参考訳（メタデータ） (2023-02-18T04:14:45Z)
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)
Iris super-resolution using CNNs: is photo-realism important to iris recognition? [67.42500312968455]
特に畳み込みニューラルネットワーク(CNN)を用いた単一画像超解像技術が出現している本研究では, 虹彩認識のためのCNNを用いて, 単一画像の超解像を探索する。彼らは、近赤外線虹彩画像の1.872のデータベースと携帯電話画像データベースのアプローチを検証する。
論文参考訳（メタデータ） (2022-10-24T11:19:18Z)
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)
A high performance fingerprint liveness detection method based on quality related features [66.41574316136379]
このシステムは、10,500枚以上の実画像と偽画像からなる非常に難しいデータベースでテストされている。提案手法はマルチシナリオデータセットに対して堅牢であることが証明され、全体の90%が正しく分類されたサンプルである。
論文参考訳（メタデータ） (2021-11-02T21:09:39Z)
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)
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)

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。