Fugu-MT 論文翻訳(概要): A Latent Fingerprint in the Wild Database

論文の概要: A Latent Fingerprint in the Wild Database

arxiv url: http://arxiv.org/abs/2304.00979v1
Date: Mon, 3 Apr 2023 13:47:38 GMT
ステータス: 処理完了
システム内更新日: 2023-04-04 15:10:54.986883
Title: A Latent Fingerprint in the Wild Database
Title（参考訳）: ワイルドデータベースにおける潜時フィンガープリント
Authors: Xinwei Liu, Kiran Raja, Renfang Wang, Hong Qiu, Hucheng Wu, Dechao Sun, Qiguang Zheng, Nian Liu, Xiaoxia Wang, Gehang Huang, Raghavendra Ramachandra, Christoph Busch
Abstract要約: われわれは,5つの異なる取得シナリオを含む大規模潜伏指紋データベースを新たに導入した。この研究では、光学式および容量型センサーの2,636個の指紋、スマートフォンの1,318個の指紋、および132人の被験者の9,224個の潜伏指紋が提供された。
参考スコア（独自算出の注目度）: 20.273292447877807
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Latent fingerprints are among the most important and widely used evidence in crime scenes, digital forensics and law enforcement worldwide. Despite the number of advancements reported in recent works, we note that significant open issues such as independent benchmarking and lack of large-scale evaluation databases for improving the algorithms are inadequately addressed. The available databases are mostly of semi-public nature, lack of acquisition in the wild environment, and post-processing pipelines. Moreover, they do not represent a realistic capture scenario similar to real crime scenes, to benchmark the robustness of the algorithms. Further, existing databases for latent fingerprint recognition do not have a large number of unique subjects/fingerprint instances or do not provide ground truth/reference fingerprint images to conduct a cross-comparison against the latent. In this paper, we introduce a new wild large-scale latent fingerprint database that includes five different acquisition scenarios: reference fingerprints from (1) optical and (2) capacitive sensors, (3) smartphone fingerprints, latent fingerprints captured from (4) wall surface, (5) Ipad surface, and (6) aluminium foil surface. The new database consists of 1,318 unique fingerprint instances captured in all above mentioned settings. A total of 2,636 reference fingerprints from optical and capacitive sensors, 1,318 fingerphotos from smartphones, and 9,224 latent fingerprints from each of the 132 subjects were provided in this work. The dataset is constructed considering various age groups, equal representations of genders and backgrounds. In addition, we provide an extensive set of analysis of various subset evaluations to highlight open challenges for future directions in latent fingerprint recognition research.
Abstract（参考訳）: 潜在指紋は、犯罪現場、デジタル法医学、法執行機関において、最も重要かつ広く利用されている証拠の一つである。最近の研究で報告された進歩の数にもかかわらず、独立ベンチマークやアルゴリズムを改善するための大規模評価データベースの欠如といった重大なオープン問題が不十分に解決されていることに注意する。利用可能なデータベースの大部分は、セミパブリックな性質、野生環境での買収の欠如、後処理パイプラインである。さらに、アルゴリズムの堅牢性を評価するために、実際の犯罪シーンと同様の現実的なキャプチャシナリオを表現していない。さらに、既存の潜在指紋認識用データベースは、多数のユニークなサブジェクト/指紋インスタンスを持っておらず、また、潜在指紋に対するクロス比較を行うための根拠となる真実/参照指紋画像を提供していない。本稿では,(1)光学および(2)静電容量センサからの参照指紋,(3)スマートフォンの指紋,(4)壁面からの潜在指紋,(5)ipad表面,(6)アルミニウムホイル表面からの参照指紋,という5つの異なる取得シナリオを含む,新たな野生の潜在指紋データベースを提案する。新しいデータベースは、上記のすべての設定でキャプチャされた1,318のユニークな指紋インスタンスで構成されている。この研究では、光学式および容量型センサーの2,636個の指紋、スマートフォンの1,318個の指紋、および132人の被験者の9,224個の潜伏指紋が提供された。データセットは、さまざまな年齢グループ、性別と背景の等しい表現を考慮して構築される。さらに,潜伏指紋認識研究における今後の方向性の課題を明らかにするために,様々なサブセット評価を幅広く分析する。

関連論文リスト

Latent fingerprint enhancement for accurate minutiae detection [8.996826918574463]
本稿では,GAN(Generative Adversary Network)を用いてLFE(Latent Fingerprint Enhancement)を再定義する手法を提案する。生成過程の微妙な情報を直接最適化することにより、このモデルは、地味な事例に対して例外的な忠実さを示す強化された潜伏指紋を生成する。筆者らのフレームワークは, 微小な位置と配向場を統合し, 局所的および構造的指紋の特徴の保存を確実にする。
論文参考訳（メタデータ） (2024-09-18T08:35:31Z)
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)
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)
Hierarchical Perceptual Noise Injection for Social Media Fingerprint Privacy Protection [106.5308793283895]
ソーシャルメディアからの指紋漏洩は画像を匿名化したいという強い欲求を喚起します指紋漏洩を保護するために、画像に知覚不能な摂動を加えることにより、敵攻撃が解決策として現れる。この問題を解決するために,階層型パーセプティカルノイズ注入フレームワークであるFingerSafeを提案する。
論文参考訳（メタデータ） (2022-08-23T02:20:46Z)
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)
SpoofGAN: Synthetic Fingerprint Spoof Images [47.87570819350573]
指紋スプーフ検出の進歩に対する大きな制限は、公開可能な大規模な指紋スプーフデータセットの欠如である。この研究は、これらのアルゴリズムに十分なデータを供給する際に、合成指紋(ライブ指紋とスプーフ指紋の両方)の有用性を実証することを目的としている。
論文参考訳（メタデータ） (2022-04-13T16:27:27Z)
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)
PrintsGAN: Synthetic Fingerprint Generator [39.804969475699345]
PrintsGANは、特定の指紋に対する複数の印象とともに、ユニークな指紋を生成することができる合成指紋生成装置である。本研究では,指紋から一定の長さの埋め込みを抽出するために,深層ネットワークをトレーニングしたPrintsGANの有用性を示す。
論文参考訳（メタデータ） (2022-01-10T22:25:10Z)
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)
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)
Level Three Synthetic Fingerprint Generation [0.0]
現実的で高解像度な指紋を合成するための新しいハイブリッドアプローチを提案する。まず,手作りの指紋生成装置であるAnguliを改良し,汗孔と傷のついたダイナミックな隆起地図を得た。私たちはこれらの地図をリアルな指紋に変換するためにCycleGANを訓練しました。
論文参考訳（メタデータ） (2020-02-05T14:09:47Z)

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。