Fugu-MT 論文翻訳(概要): PGT-Net: Progressive Guided Multi-task Neural Network for Small-area Wet Fingerprint Denoising and Recognition

論文の概要: PGT-Net: Progressive Guided Multi-task Neural Network for Small-area Wet Fingerprint Denoising and Recognition

arxiv url: http://arxiv.org/abs/2308.07024v1
Date: Mon, 14 Aug 2023 09:19:26 GMT
ステータス: 処理完了
システム内更新日: 2023-08-15 13:45:44.094587
Title: PGT-Net: Progressive Guided Multi-task Neural Network for Small-area Wet Fingerprint Denoising and Recognition
Title（参考訳）: PGT-Net:小面積湿式指紋認識のためのプログレッシブガイド型マルチタスクニューラルネットワーク
Authors: Yu-Ting Li, Ching-Te Chiu, An-Ting Hsieh, Mao-Hsiu Hsu, Long Wenyong, Jui-Min Hsu
Abstract要約: エンドツーエンドのトレーニング可能なプログレッシブガイド型マルチタスクニューラルネットワーク(PGT-Net)を提案する。 PGT-Netは共有ステージと特定のマルチタスクステージを含み、ネットワークはバイナリと非バイナリの指紋を順次トレーニングすることができる。実験結果から,PGT-Netは湿式フィンガープリントにおいて有望な性能を示し,指紋認識率(FRR)を大幅に向上させることが示された。
参考スコア（独自算出の注目度）: 5.834731599084115
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Fingerprint recognition on mobile devices is an important method for identity verification. However, real fingerprints usually contain sweat and moisture which leads to poor recognition performance. In addition, for rolling out slimmer and thinner phones, technology companies reduce the size of recognition sensors by embedding them with the power button. Therefore, the limited size of fingerprint data also increases the difficulty of recognition. Denoising the small-area wet fingerprint images to clean ones becomes crucial to improve recognition performance. In this paper, we propose an end-to-end trainable progressive guided multi-task neural network (PGT-Net). The PGT-Net includes a shared stage and specific multi-task stages, enabling the network to train binary and non-binary fingerprints sequentially. The binary information is regarded as guidance for output enhancement which is enriched with the ridge and valley details. Moreover, a novel residual scaling mechanism is introduced to stabilize the training process. Experiment results on the FW9395 and FT-lightnoised dataset provided by FocalTech shows that PGT-Net has promising performance on the wet-fingerprint denoising and significantly improves the fingerprint recognition rate (FRR). On the FT-lightnoised dataset, the FRR of fingerprint recognition can be declined from 17.75% to 4.47%. On the FW9395 dataset, the FRR of fingerprint recognition can be declined from 9.45% to 1.09%.
Abstract（参考訳）: モバイルデバイス上での指紋認識は、識別認証の重要な方法である。しかし、実際の指紋は通常汗と湿気が含まれており、認識性能は低い。さらに、スリムで薄い携帯電話を展開するために、テクノロジー企業はパワーボタンを埋め込むことで認識センサーのサイズを減らすことができる。したがって、指紋データのサイズが限られると認識が困難になる。小型の湿った指紋画像をきれいにすることは、認識性能を向上させるために不可欠である。本稿では、エンドツーエンドのトレーニング可能なプログレッシブガイド型マルチタスクニューラルネットワーク(PGT-Net)を提案する。 PGT-Netは共有ステージと特定のマルチタスクステージを含み、ネットワークはバイナリと非バイナリの指紋を順次トレーニングすることができる。バイナリ情報は、リッジとバレーの詳細を豊かにする出力強化のためのガイダンスと見なされている。さらに、新たな残留スケーリング機構を導入し、トレーニングプロセスを安定化する。 FocalTechが提供するFW9395およびFT-lightnoisedデータセットの実験結果によると、PGT-Netは湿式フィンガープリントの復号化に有望な性能を示し、指紋認識率(FRR)を大幅に改善する。 FTライノ化データセットでは、指紋認証のFRRは17.75%から4.47%に低下する。 FW9395データセットでは、指紋認証のFRRを9.45%から1.09%に下げることができる。

関連論文リスト

FPGAN-Control: A Controllable Fingerprint Generator for Training with Synthetic Data [7.203557048672379]
画像生成フレームワークであるFPGAN-Controlについて述べる。指紋の識別と外観特性の絡み合いを助長する新規な外観損失を導入する。 FPGAN-Controlのメリットを,アイデンティティレベル,外観制御の程度,合成ドメイン間ギャップの低さの観点から定量的かつ定性的に示す。
論文参考訳（メタデータ） (2023-10-29T14:30:01Z)
Finger-UNet: A U-Net based Multi-Task Architecture for Deep Fingerprint Enhancement [0.0]
指紋認識/検証パイプラインの初期段階において、指紋強調は重要な役割を果たす。低品質指紋を効果的に改善するために,U-Netの直感的な修正を提案する。モデルのメモリフットプリントを大幅に削減するため,通常の畳み込みを奥行き分離可能な畳み込みに置き換える。
論文参考訳（メタデータ） (2023-10-01T09:49:10Z)
SqueezerFaceNet: Reducing a Small Face Recognition CNN Even More Via Filter Pruning [55.84746218227712]
我々は,100万パラメータ未満の軽量顔認識ネットワークであるSqueezerFaceNetを開発した。性能を損なうことなく、さらに(最大40%)削減できることを示す。
論文参考訳（メタデータ） (2023-07-20T08:38:50Z)
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)
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)
Deep-Learning-Based Device Fingerprinting for Increased LoRa-IoT Security: Sensitivity to Network Deployment Changes [10.698553177585973]
各種ネットワーク設定変化に対する LoRa RF フィンガープリントの感度について検討・解析を行った。本稿では,帯域外歪み情報を利用して指紋認証精度を向上させる新しい指紋認証手法を提案する。以上の結果から,学習モデルが同じ条件下でトレーニングされ,テストされた場合,指紋認証は比較的良好であることがわかった。
論文参考訳（メタデータ） (2022-08-31T16:53:05Z)
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)
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)
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)
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。