Fugu-MT 論文翻訳(概要): Deep Age-Invariant Fingerprint Segmentation System

論文の概要: Deep Age-Invariant Fingerprint Segmentation System

arxiv url: http://arxiv.org/abs/2303.03341v1
Date: Mon, 6 Mar 2023 18:21:16 GMT
ステータス: 処理完了
システム内更新日: 2023-03-07 15:02:04.230966
Title: Deep Age-Invariant Fingerprint Segmentation System
Title（参考訳）: 深部年齢不変指紋セグメンテーションシステム
Authors: M.G. Sarwar Murshed, Keivan Bahmani, Stephanie Schuckers, Faraz Hussain
Abstract要約: 指紋ベースの識別システムは、被験者の複数の指紋を含むスラップを1つの指紋の代わりに使用する場合、より高い精度を達成する。スラップ画像中のすべての指紋のセグメント化や自動局在化は、指紋の向き、ノイズの多い背景、指先成分の小さいサイズのために難しい作業である。深層学習に基づくアルゴリズムを用いて,軸方向と過回転の両スラップ画像から指紋を正確に位置決めし,ラベル付けする任意の角度境界ボックスを生成する手法を提案する。
参考スコア（独自算出の注目度）: 2.654502128955621
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Fingerprint-based identification systems achieve higher accuracy when a slap containing multiple fingerprints of a subject is used instead of a single fingerprint. However, segmenting or auto-localizing all fingerprints in a slap image is a challenging task due to the different orientations of fingerprints, noisy backgrounds, and the smaller size of fingertip components. The presence of slap images in a real-world dataset where one or more fingerprints are rotated makes it challenging for a biometric recognition system to localize and label the fingerprints automatically. Improper fingerprint localization and finger labeling errors lead to poor matching performance. In this paper, we introduce a method to generate arbitrary angled bounding boxes using a deep learning-based algorithm that precisely localizes and labels fingerprints from both axis-aligned and over-rotated slap images. We built a fingerprint segmentation model named CRFSEG (Clarkson Rotated Fingerprint segmentation Model) by updating the previously proposed CFSEG model which was based on traditional Faster R-CNN architecture [21]. CRFSEG improves upon the Faster R-CNN algorithm with arbitrarily angled bounding boxes that allow the CRFSEG to perform better in challenging slap images. After training the CRFSEG algorithm on a new dataset containing slap images collected from both adult and children subjects, our results suggest that the CRFSEG model was invariant across different age groups and can handle over-rotated slap images successfully. In the Combined dataset containing both normal and rotated images of adult and children subjects, we achieved a matching accuracy of 97.17%, which outperformed state-of-the-art VeriFinger (94.25%) and NFSEG segmentation systems (80.58%).
Abstract（参考訳）: 指紋に基づく識別システムは、被験者の複数の指紋を含むスラップを1つの指紋の代わりに使用する場合に高い精度を達成する。しかし,スラップ画像中のすべての指紋のセグメント化や自動位置決めは,指紋の向きや雑音の背景,指先成分のサイズが小さいため,困難な作業である。 1つ以上の指紋が回転する実世界のデータセットにおけるスラップ画像の存在は、生体認証システムにとって指紋の自動ローカライズとラベル付けが難しい。不適切な指紋位置と指のラベリングエラーは、マッチング性能を低下させる。本稿では,軸合わせ画像と過剰回転画像の両方から指紋を高精度に位置決めしラベル付けする深層学習に基づくアルゴリズムを用いて,任意の角度境界ボックスを生成する手法を提案する。我々は,従来の高速R-CNNアーキテクチャ [21] に基づくCFSEGモデルの更新により,CRFSEG (Clarkson Rotated Fingerprint segmentation Model) という指紋分割モデルを構築した。 CRFSEGは高速なR-CNNアルゴリズムを改良し、任意の角度のバウンディングボックスにより、CRFSEGが挑戦的なスラップ画像でより良い性能を発揮する。成人と小児の両方の被験者から収集したスラップ画像を含む新しいデータセットでCRFSEGアルゴリズムを訓練した結果,CRFSEGモデルは年齢差で不変であり,過回転スラップ画像の処理に成功していたことが示唆された。成人と小児の正常画像と回転画像の両方を含む組み合わせデータセットでは、97.17%のマッチング精度を達成し、最先端のVeriFinger(94.25%)とNFSEGセグメンテーションシステム(80.58%)を上回った。

関連論文リスト

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 Universal Latent Fingerprint Enhancer Using Transformers [47.87570819350573]
本研究の目的は,ULPrintと呼ばれる高速なフィンガープリント方式を開発し,様々な潜伏指紋のタイプを増強することである。クローズドセットの識別精度実験では、MSU-AFISの性能は61.56%から75.19%に向上した。
論文参考訳（メタデータ） (2023-05-31T23:01:11Z)
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)
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)
Deep Slap Fingerprint Segmentation for Juveniles and Adults [1.5411929268269822]
成人例は9084例, 成人例は6706例, 4歳から12歳までの小児例は6706例であった。 NIST によるスラップ指紋分割システム NFSEG の成年者および若年者のスラップにおけるマッチング性能について検討した。
論文参考訳（メタデータ） (2021-10-06T04:48:23Z)
Sensor-invariant Fingerprint ROI Segmentation Using Recurrent Adversarial Learning [5.740220134446289]
本稿では, 指紋領域分割モデルによるセンサ不変の特徴の学習を支援する, 逆学習に基づく特徴アライメントネットワークを提案する。公開されているFVCデータベースの実験は,提案手法の有効性を実証している。
論文参考訳（メタデータ） (2021-07-03T07:16:39Z)
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)
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)
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。