論文の概要: Liveness Detection Competition -- Noncontact-based Fingerprint
Algorithms and Systems (LivDet-2023 Noncontact Fingerprint)
- arxiv url: http://arxiv.org/abs/2310.00659v1
- Date: Sun, 1 Oct 2023 12:59:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2023-10-05 02:52:12.549058
- Title: Liveness Detection Competition -- Noncontact-based Fingerprint
Algorithms and Systems (LivDet-2023 Noncontact Fingerprint)
- Title（参考訳）: 生体検出競争 --非接触指紋アルゴリズムとシステム(livdet-2023非接触指紋)
- Abstract要約: LivDet-2023 非接触フィンガープリントは、アルゴリズムとシステムのための非接触指紋ベースのPADコンペティションの最初のエディションである。
このコンペティションは、非接触型指紋PADの重要なベンチマークとして機能する。
勝利したアルゴリズムはAPCERが11.35%、BPCERが0.62%に達した。
- 参考スコア（独自算出の注目度）: 12.05273326660349
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Liveness Detection (LivDet) is an international competition series open to
academia and industry with the objec-tive to assess and report state-of-the-art
in Presentation Attack Detection (PAD). LivDet-2023 Noncontact Fingerprint is
the first edition of the noncontact fingerprint-based PAD competition for
algorithms and systems. The competition serves as an important benchmark in
noncontact-based fingerprint PAD, offering (a) independent assessment of the
state-of-the-art in noncontact-based fingerprint PAD for algorithms and
systems, and (b) common evaluation protocol, which includes finger photos of a
variety of Presentation Attack Instruments (PAIs) and live fingers to the
biometric research community (c) provides standard algorithm and system
evaluation protocols, along with the comparative analysis of state-of-the-art
algorithms from academia and industry with both old and new android
smartphones. The winning algorithm achieved an APCER of 11.35% averaged overall
PAIs and a BPCER of 0.62%. The winning system achieved an APCER of 13.0.4%,
averaged over all PAIs tested over all the smartphones, and a BPCER of 1.68%
over all smartphones tested. Four-finger systems that make individual
finger-based PAD decisions were also tested. The dataset used for competition
will be available 1 to all researchers as per data share protocol
- Abstract（参考訳）: ライブネス検出(liveness detection、livdet)は、学界や業界に開放された国際コンペティションシリーズで、プレゼンテーションアタック検出(pad)における最先端の評価と報告を行う。
LivDet-2023 非接触フィンガープリントは、アルゴリズムとシステムのための非接触指紋ベースのPADコンペティションの最初の版である。
このコンペティションは、非接触型指紋パッドの重要なベンチマークとして機能する
(a)アルゴリズム及びシステムのための非接触型指紋PADにおける最先端の独立評価
(b)各種提示攻撃機器(PAI)の指写真と生体計測研究コミュニティへのライブ指を含む共通評価プロトコル
(c) は標準的なアルゴリズムとシステム評価プロトコルを提供し、学術および産業の最先端のアルゴリズムを、古いスマートフォンと新しいAndroidスマートフォンの両方で比較分析する。
勝利したアルゴリズムはAPCERが11.35%、BPCERが0.62%に達した。
勝利したシステムは13.0.4%のAPCERを達成し、全スマートフォンでテストされたすべてのPAIに対して平均1.68%のBPCERを達成した。
指によるPAD決定を個別に行う4本の指システムもテストされた。
コンペに使用するデータセットは、データ共有プロトコルに従って、すべての研究者に1つ提供される
関連論文リスト
- Design and Validation of a Lightweight 1D CNN for Affective Touch Classification in Soft Plush Companions [59.49967357689445]
ソフトなセンサー付きコンパニオンは、社会的支援技術のための物理的に安全で感情的に直感的なインターフェースを提供する。
本研究では,ソフト・インタラクティブ・コンパニオンにおける感情的触覚認識のためのディープラーニングモデルの開発と検証を目的とした,オープンソースで拡張されたリアルタイムフレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-16T10:20:05Z) - EMPalm: Exfiltrating Palm Biometric Data via Electromagnetic Side-Channels [54.460942487872416]
EMエミッションは、手のひら生体情報を漏れさせる。
EMPalmは、盗聴されたEM信号からパームプリントとパームベインの画像の両方を隠蔽的に回収する攻撃フレームワークである。
論文 参考訳（メタデータ） (2025-10-08T20:50:19Z) - A High-Throughput Platform to Bench Test Smartphone-Based Heart Rate Measurements Derived From Video [1.1764451419983009]
スマートフォンベースの心拍数監視アプリ(HR)は、デバイスの多様性とフラグメンテーションのために、パフォーマンス評価とデバイスの互換性において重大な課題に直面している。
本稿では,この重要なニーズに対処する,新しい高スループットベンチテストプラットフォームを提案する。
このプラットフォームは、スマートフォンのHRアプリの事前デプロイテストのためのスケーラブルなソリューションを提供し、アプリパフォーマンスを改善し、デバイス互換性を確保し、モバイルヘルスの分野を前進させる。
論文 参考訳（メタデータ） (2025-06-29T22:19:40Z) - Person Recognition at Altitude and Range: Fusion of Face, Body Shape and Gait [70.00430652562012]
FarSightは、顔認識のためのエンドツーエンドシステムで、顔、歩行、体形を横断する生体計測の手がかりを統合する。
FarSightは、4つのコアモジュールにまたがる新しいアルゴリズムを組み込んでいる。
論文 参考訳（メタデータ） (2025-05-07T17:58:25Z) - LivDet2023 -- Fingerprint Liveness Detection Competition: Advancing
Generalization [6.154783360142315]
国際フィンガープリントライブネス検出コンペティション(International Fingerprint Liveness Detection Competition, LivDet)は、学術や産業の参加者を招き、フィンガープリント提示攻撃コンペティション(PAD)の進歩を証明するイベントである。
この版のLivDet2023では、検証システムに埋め込まれたPADの有効性と特徴セットの有効性とコンパクト性を評価するために、Liveness Detection in ActionとFingerprint Representationという2つの課題が提案された。
論文 参考訳（メタデータ） (2023-09-27T11:24:01Z) - Presentation Attack Detection with Advanced CNN Models for
Noncontact-based Fingerprint Systems [5.022332693793425]
我々は,7500枚以上の4指画像の提示攻撃検出(PAD)データセットを開発した。
攻撃提示分類誤り率(APCER)0.14%とボナフィド提示分類誤り率(BPCER)0.18%のPAD精度について検討した。
論文 参考訳（メタデータ） (2023-03-09T18:01:10Z) - Combining multiple matchers for fingerprint verification: A case study
in biosecure network of excellence [53.598636960435286]
指紋認証のための2つの参照システムは、追加の2つの非参照システムと共にテストされている。
実験結果から, 最適認識戦略は, 栄養素と相関測定の両方が関係していることが示唆された。
論文 参考訳（メタデータ） (2022-12-04T19:49:05Z) - 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) - Reducing a complex two-sided smartwatch examination for Parkinson's
Disease to an efficient one-sided examination preserving machine learning
accuracy [63.20765930558542]
パーキンソン病(PD)研究における技術ベースアセスメントの実施状況について報告した。
本研究は、両手同期スマートウォッチ測定におけるPDサンプルサイズとして最大である。
論文 参考訳（メタデータ） (2022-05-11T09:12:59Z) - Mobile Behavioral Biometrics for Passive Authentication [65.94403066225384]
本研究は, 単モーダルおよび多モーダルな行動的生体特性の比較分析を行った。
HuMIdbは、最大かつ最も包括的なモバイルユーザインタラクションデータベースである。
我々の実験では、最も識別可能な背景センサーは磁力計であり、タッチタスクではキーストロークで最良の結果が得られる。
論文 参考訳（メタデータ） (2022-03-14T17:05:59Z) - Benchmarking Quality-Dependent and Cost-Sensitive Score-Level Multimodal
Biometric Fusion Algorithms [58.156733807470395]
本稿では,BioSecure DS2 (Access Control) 評価キャンペーンの枠組み内で実施したベンチマーク研究について報告する。
キャンペーンは、約500人の中規模施設における物理的アクセス制御の適用を目標とした。
我々の知る限りでは、これは品質ベースのマルチモーダル融合アルゴリズムをベンチマークする最初の試みである。
論文 参考訳（メタデータ） (2021-11-17T13:39:48Z) - A Contactless Fingerprint Recognition System [5.565364597145569]
距離から指紋をキャプチャする非接触指紋認識システムを開発するためのアプローチを提案する。
キャプチャされたフィンガー写真はさらに処理され、グローバルおよびローカルな機能(ミニチュアベース)が取得される。
提案システムはNvidia Jetson Nano開発キットを用いて開発され,非接触指紋認識をリアルタイムで行うことができる。
論文 参考訳（メタデータ） (2021-08-20T08:21:55Z) - A Unified Model for Fingerprint Authentication and Presentation Attack
Detection [1.9703625025720706]
一般的な指紋認識システムの動作を再構築する。
両タスクを同時に実行するためのspoof検出とマッチングのための統合モデルを提案する。
これにより、指紋認識システムの時間とメモリの要件をそれぞれ50%と40%削減できます。
論文 参考訳（メタデータ） (2021-04-07T16:57:38Z) - Mobile Touchless Fingerprint Recognition: Implementation, Performance
and Usability Aspects [13.664130356074052]
本研究は,スマートフォン用タッチレス指紋自動認識システムを提案する。
認識パイプライン全体を包括的に記述し,完全自動化したキャプチャシステムにおける重要な要件について考察する。
論文 参考訳（メタデータ） (2021-03-04T13:56:16Z) - Towards Palmprint Verification On Smartphones [62.279124220123286]
過去20年間の研究によると、ヤシの印刷物は独特性と永続性に優れた効果がある。
我々はスマートフォン用のDeepMPV+というDCNNベースのパームプリント検証システムを構築した。
DeepMPV+の効率と有効性は広範な実験によって裏付けられている。
論文 参考訳（メタデータ） (2020-03-30T08:31:03Z)
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。