論文の概要: Fingervein Verification using Convolutional Multi-Head Attention Network
- arxiv url: http://arxiv.org/abs/2310.16808v1
- Date: Wed, 25 Oct 2023 17:38:16 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-26 13:11:09.159478
- Title: Fingervein Verification using Convolutional Multi-Head Attention Network
- Title（参考訳）: 畳み込みマルチヘッドアテンションネットワークを用いたフィンガーベイン検証
- Authors: Raghavendra Ramachandra and Sushma Venkatesh
- Abstract要約: 本稿では,VeinAtnNetという,畳み込み型マルチヘッドアテンションネットワークを用いた新しいフィンガーベイン検証手法を提案する。
提案したVeinAtnNetは、通常の指紋画像と強化された指紋画像の両方から識別情報を抽出しながら、学習可能なパラメータの少ない軽量化を実現するように設計されている。
- 参考スコア（独自算出の注目度）: 3.700129710233692
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Biometric verification systems are deployed in various security-based
access-control applications that require user-friendly and reliable person
verification. Among the different biometric characteristics, fingervein
biometrics have been extensively studied owing to their reliable verification
performance. Furthermore, fingervein patterns reside inside the skin and are
not visible outside; therefore, they possess inherent resistance to
presentation attacks and degradation due to external factors. In this paper, we
introduce a novel fingervein verification technique using a convolutional
multihead attention network called VeinAtnNet. The proposed VeinAtnNet is
designed to achieve light weight with a smaller number of learnable parameters
while extracting discriminant information from both normal and enhanced
fingervein images. The proposed VeinAtnNet was trained on the newly constructed
fingervein dataset with 300 unique fingervein patterns that were captured in
multiple sessions to obtain 92 samples per unique fingervein. Extensive
experiments were performed on the newly collected dataset FV-300 and the
publicly available FV-USM and FV-PolyU fingervein dataset. The performance of
the proposed method was compared with five state-of-the-art fingervein
verification systems, indicating the efficacy of the proposed VeinAtnNet.
- Abstract（参考訳）: 生体認証システムは、ユーザフレンドリーで信頼性の高い人物認証を必要とする様々なセキュリティベースのアクセス制御アプリケーションにデプロイされる。
異なる生体計測特性の中で、指紋認証は信頼性の高い検証性能のために広く研究されている。
さらに、フィンガーベインパターンは皮膚内に存在し、外部には見えないため、外部要因によるプレゼンテーション攻撃や劣化に対する固有の抵抗性を有する。
本稿では,畳み込み型マルチヘッドアテンションネットワークである veinatnnet を用いた新しいフィンガーベイン検証手法を提案する。
提案するVeinAtnNetは,正常および拡張指静脈画像から識別情報を抽出しながら,学習可能なパラメータの少ない軽量化を実現する。
提案する veinatnnet は300のユニークなフィンガーベインパターンを持つ新たに構築されたfingerveinデータセットでトレーニングされ、複数のセッションで採取され、フィンガーベイン毎に92のサンプルが得られた。
FV-300とFV-USMおよびFV-PolyUフィンガーベインデータセットで大規模な実験を行った。
提案法の性能を5種類の最新のフィンガーベイン認証システムと比較し, 提案法の有効性を示唆した。
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) - An Open Patch Generator based Fingerprint Presentation Attack Detection
using Generative Adversarial Network [3.5558308387389626]
自動指紋認識システム(AFRS)のセンサに本物の指紋の偽造を提示することによる脅威の一つに、提示攻撃(PA)または偽造(spoofing)がある。
本稿では、GAN(Generative Adversarial Network)を用いて、提案したOpen Patch Generator(OPG)から生成されたスプーフサンプルを用いてデータセットを増強するCNNベースの手法を提案する。
96.20%、94.97%、92.90%の精度は、それぞれLivDetプロトコルのシナリオの下で、LivDet 2015、2017、2019データベースで達成されている。
論文 参考訳（メタデータ） (2023-06-06T10:52:06Z) - Multimodal Adaptive Fusion of Face and Gait Features using Keyless
attention based Deep Neural Networks for Human Identification [67.64124512185087]
歩行のような軟式生体認証は、人物認識や再識別といった監視作業において顔に広く使われている。
本稿では,キーレス注意深層ニューラルネットワークを活用することで,歩行と顔のバイオメトリック・キューを動的に組み込むための適応型マルチバイオメトリック・フュージョン戦略を提案する。
論文 参考訳（メタデータ） (2023-03-24T05:28:35Z) - 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) - Advancing 3D finger knuckle recognition via deep feature learning [51.871256510747465]
接触のない3Dフィンガーナックルパターンは、識別性、距離からの視認性、利便性、利便性により、効果的な生体認証として出現している。
近年、ディープニューラルネットワークの中間機能を複数のスケールで同時に組み込むディープ・フィーチャー・コラボレーティブ・ネットワークが開発されている。
本稿では,3次元指のナックル画像を表現するために,最小次元の識別特徴ベクトルを学習する可能性を検討することにより,本手法を推し進める。
論文 参考訳（メタデータ） (2023-01-07T20:55:16Z) - 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) - Finger Multimodal Feature Fusion and Recognition Based on Channel
Spatial Attention [8.741051302995755]
指紋と指の静脈に基づく多モーダルバイオメトリック・フュージョン認識アルゴリズムを提案する。
指紋と指の静脈の画像のそれぞれに対して,まず,特徴を抽出するためのシンプルで効果的な畳み込みニューラルネットワーク(CNN)を提案する。
次に,指紋と指の静脈の相補的情報を完全に融合させるマルチモーダル機能融合モジュール(CSAFM,Channel Spatial Attention Fusion Module)を構築した。
論文 参考訳（メタデータ） (2022-09-06T10:48:30Z) - 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 high performance fingerprint liveness detection method based on
quality related features [66.41574316136379]
このシステムは、10,500枚以上の実画像と偽画像からなる非常に難しいデータベースでテストされている。
提案手法はマルチシナリオデータセットに対して堅牢であることが証明され、全体の90%が正しく分類されたサンプルである。
論文 参考訳（メタデータ） (2021-11-02T21:09:39Z) - Vision Transformers are Robust Learners [65.91359312429147]
ビジョントランスフォーマー(ViT)の一般的な腐敗や摂動、分布シフト、自然逆転例に対する堅牢性について検討します。
ViTsが実際により堅牢な学習者である理由を説明するために、定量的および定性的な指標を提供する分析を提示します。
論文 参考訳（メタデータ） (2021-05-17T02:39:22Z)
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。