論文の概要: Latent Fingerprint Recognition: Fusion of Local and Global Embeddings

• arxiv url: http://arxiv.org/abs/2304.13800v2
• Date: Thu, 7 Sep 2023 22:53:06 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-11 18:18:21.271078
• Title: Latent Fingerprint Recognition: Fusion of Local and Global Embeddings
• Title（参考訳）: 潜時指紋認識 : 局所およびグローバルな埋め込みの融合
• Authors: Steven A. Grosz and Anil K. Jain
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 30.40684369054112
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: One of the most challenging problems in fingerprint recognition continues to be establishing the identity of a suspect associated with partial and smudgy fingerprints left at a crime scene (i.e., latent prints or fingermarks). Despite the success of fixed-length embeddings for rolled and slap fingerprint recognition, the features learned for latent fingerprint matching have mostly been limited to local minutiae-based embeddings and have not directly leveraged global representations for matching. In this paper, we combine global embeddings with local embeddings for state-of-the-art latent to rolled matching accuracy with high throughput. The combination of both local and global representations leads to improved recognition accuracy across NIST SD 27, NIST SD 302, MSP, MOLF DB1/DB4, and MOLF DB2/DB4 latent fingerprint datasets for both closed-set (84.11%, 54.36%, 84.35%, 70.43%, 62.86% rank-1 retrieval rate, respectively) and open-set (0.50, 0.74, 0.44, 0.60, 0.68 FNIR at FPIR=0.02, respectively) identification scenarios on a gallery of 100K rolled fingerprints. Not only do we fuse the complimentary representations, we also use the local features to guide the global representations to focus on discriminatory regions in two fingerprint images to be compared. This leads to a multi-stage matching paradigm in which subsets of the retrieved candidate lists for each probe image are passed to subsequent stages for further processing, resulting in a considerable reduction in latency (requiring just 0.068 ms per latent to rolled comparison on a AMD EPYC 7543 32-Core Processor, roughly 15K comparisons per second). Finally, we show the generalizability of the fused representations for improving authentication accuracy across several rolled, plain, and contactless fingerprint datasets.
• Abstract（参考訳）: 指紋認証における最も困難な問題の1つは、犯罪現場に残されている部分的およびスムージーな指紋(すなわち潜在指紋や指紋)に関連する被疑者の身元を確立することである。 ローリング指紋認識とスラップ指紋認識のための固定長埋め込みの成功にもかかわらず、潜伏指紋マッチングで得られた特徴は、主に局所栄養素ベースの埋め込みに限られており、マッチングにグローバル表現を直接活用していない。 本稿では,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,マッチング精度と高いスループットを両立させる。 NIST SD 27, NIST SD 302, MSP, MOLF DB1/DB4 と MOLF DB2/DB4 の2つの閉集合 (84.11%, 54.36%, 84.35%, 70.43%, 62.86%) と開集合 (0.50, 0.74, 0.44, 0.60, 0.68 FNIR at FPIR=0.02) の識別シナリオは、それぞれ100Kロール指紋のギャラリーに記録されている。 補完表現を融合させるだけでなく、局所的な特徴を用いてグローバル表現を導くことで、2つの指紋画像の識別領域に焦点を合わせます。 これにより、検索した各プローブ画像の候補リストのサブセットを後続のステージに渡して処理するマルチステージマッチングパラダイムが実現し、レイテンシが大幅に低下する(AMD EPYC 7543 32-Coreプロセッサでロール比較を行うには、レイテンシが0.068ms(毎秒約15K)となる)。 最後に,複数のロール,プレーン,非接触の指紋データセットにおける認証精度を向上させるため,融合表現の汎用性を示す。

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)
• 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)
• Deep Age-Invariant Fingerprint Segmentation System [2.654502128955621]
  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。
  論文  参考訳（メタデータ） (2023-03-06T18:21:16Z)
• Learning an Ensemble of Deep Fingerprint Representations [40.90173373640335]
  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。
  論文  参考訳（メタデータ） (2022-09-02T15:08:33Z)
• Synthetic Latent Fingerprint Generator [47.87570819350573]
  フル指紋画像(ローリングまたはスラップ)が与えられた場合、私たちはCycleGANモデルを示し、フルプリントと同じアイデンティティの複数の潜在印象を生成する。 我々のモデルは、生成された潜在印刷画像の歪み、ノイズ、ぼかし、閉塞の程度を制御できる。 合成潜入指紋を生成する手法は,潜入指紋の認識性能向上に有効である。
  論文  参考訳（メタデータ） (2022-08-29T18:02:02Z)
• 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)
• 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)
• 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。