論文の概要: MCLFIQ: Mobile Contactless Fingerprint Image Quality

• arxiv url: http://arxiv.org/abs/2304.14123v2
• Date: Tue, 12 Dec 2023 09:45:00 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-13 20:29:15.337112
• Title: MCLFIQ: Mobile Contactless Fingerprint Image Quality
• Title（参考訳）: MCLFIQ:携帯の非接触指紋画像品質
• Authors: Jannis Priesnitz, Axel Wei{\ss}enfeld, Laurenz Ruzicka, Christian Rathgeb, Bernhard Strobl, Ralph Lessmann, Christoph Busch
• Abstract要約: NIST Fingerprint Image Quality (NFIQ) 2法の再訓練を行った。 実世界の3つの非接触指紋データベース上でのエラーvs-カード特性曲線を用いてMCLFIQモデルの予測性能を評価する。
• 参考スコア（独自算出の注目度）: 6.041268643935127
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We propose MCLFIQ: Mobile Contactless Fingerprint Image Quality, the first quality assessment algorithm for mobile contactless fingerprint samples. To this end, we re-trained the NIST Fingerprint Image Quality (NFIQ) 2 method, which was originally designed for contact-based fingerprints, with a synthetic contactless fingerprint database. We evaluate the predictive performance of the resulting MCLFIQ model in terms of Error-vs.-Discard Characteristic (EDC) curves on three real-world contactless fingerprint databases using three recognition algorithms. In experiments, the MCLFIQ method is compared against the original NFIQ 2.2 method, a sharpness-based quality assessment algorithm developed for contactless fingerprint images \rev{and the general purpose image quality assessment method BRISQUE. Furthermore, benchmarks on four contact-based fingerprint datasets are also conducted.} Obtained results show that the fine-tuning of NFIQ 2 on synthetic contactless fingerprints is a viable alternative to training on real databases. Moreover, the evaluation shows that our MCLFIQ method works more accurate and robust compared to all baseline methods on contactless fingerprints. We suggest considering the proposed MCLFIQ method as a \rev{starting point for the development of} a new standard algorithm for contactless fingerprint quality assessment.
• Abstract（参考訳）: 我々は,モバイルコンタクトレス指紋検体における最初の品質評価アルゴリズムである,モバイルコンタクトレス指紋画像品質(MCLFIQ)を提案する。 そこで我々はNIST Fingerprint Image Quality (NFIQ) 2法を再訓練した。 得られたMCLFIQモデルの予測性能をError-vsを用いて評価する。 -3つの認識アルゴリズムを用いた実世界の非接触指紋データベース上でのカード特性(EDC)曲線 実験では、MCLFIQ法を元のNFIQ 2.2法と比較し、接触のない指紋画像に対するシャープネスに基づく品質評価アルゴリズムである \rev{ and the general purpose image quality Assessment method BRISQUEを開発した。 さらに、4つのコンタクトベースの指紋データセットのベンチマークも実施している。 以上の結果から,NFIQ2の非接触指紋への微調整は,実際のデータベースでのトレーニングの代替となる可能性が示唆された。 さらに, 接触指紋のベースライン法に比べ, MCLFIQ法の方が精度が高く, 頑健であることを示す。 我々は,接触のない指紋品質評価のための新しい標準アルゴリズムの開発において,MCLFIQ法を \rev{starting point として検討することを提案する。

関連論文リスト

• A Robust Algorithm for Contactless Fingerprint Enhancement and Matching [7.820996917431323]
  接触のない指紋画像には 4つの特徴があります ノイズが少なく、リッジパターンの不連続も少なく、相互運用性の問題を引き起こす。 そこで本研究では,無接触指紋識別ソリューションを提案する。
  論文  参考訳（メタデータ） (2024-08-18T10:01:42Z)
• Fingerprint Image-Quality Estimation and its Application to Multialgorithm Verification [56.128200319868526]
  信号品質の認識は、認識率を増大させ、マルチセンサー環境における決定を著しく支援することが見出されている。 本稿では, 指紋画像の向きテンソルを用いて, ノイズ, 構造不足, ぼやけなどの信号障害を, 対称性記述子の助けを借りて定量化する。 定量的な結果は、あらゆる面において品質意識を優先し、認識率を高め、異なるスキルを持つ専門家を効果的かつ効果的に融合させる。
  論文  参考訳（メタデータ） (2022-11-24T12:17:49Z)
• 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)
• On the Effects of Image Quality Degradation on Minutiae- and Ridge-Based Automatic Fingerprint Recognition [61.81926091202142]
  画像品質の異なるミツイア情報とリッジ情報に基づく2つの指紋照合器の性能について検討した。 リッジベースシステムは、多くの異なる画像品質基準のために、ミヌチアベースシステムよりも画像品質劣化に対してより堅牢であることが判明した。
  論文  参考訳（メタデータ） (2022-07-12T10:28:36Z)
• 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)
• 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)
• MiDeCon: Unsupervised and Accurate Fingerprint and Minutia Quality Assessment based on Minutia Detection Confidence [6.284767263654553]
  ミリ波検出信頼度(MiDeCon)に基づくミナミズムと指紋品質評価の新しい概念を提案する。 MiDeConは任意の深層学習に基づく微栄養抽出器に適用でき、学習に品質ラベルを必要としない。 実験はFVC 2006の公開データベース上で行われ、いくつかのベースラインと比較される。
  論文  参考訳（メタデータ） (2021-06-10T09:06:01Z)
• 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)
• Dense Registration and Mosaicking of Fingerprints by Training an End-to-End Network [36.50244665233824]
  エンド・ツー・エンド・ネットワークをトレーニングし、2つの指紋間の画素単位の変位場を出力する。 また,最適なシーム選択に基づく指紋モザイク手法を提案する。 我々の登録法は,従来の密度の高い登録方法よりも精度と効率が優れている。
  論文  参考訳（メタデータ） (2020-04-13T14:47:00Z)

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。