論文の概要: Fingerprint Matching with Localized Deep Representation
- arxiv url: http://arxiv.org/abs/2311.18576v1
- Date: Thu, 30 Nov 2023 14:15:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-01 16:20:28.846608
- Title: Fingerprint Matching with Localized Deep Representation
- Title(参考訳): 局所的深部表現を用いた指紋照合
- Authors: Yongjie Duan, Zhiyu Pan, Jianjiang Feng, Jie Zhou
- Abstract要約: LDRFと呼ばれる指紋の局所的な深部表現を提案する。
LDRFは、様々な可視領域を持つ指紋に対して、より堅牢で正確な固定長表現を提供する。
非常に小さな重複領域の場合の不確実性を軽減するために,一致するスコア正規化手法を提案する。
- 参考スコア(独自算出の注目度): 36.93363004526732
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Compared to minutia-based fingerprint representations, fixed-length
representations are attractive due to simple and efficient matching. However,
fixed-length fingerprint representations are limited in accuracy when matching
fingerprints with different visible areas, which can occur due to different
finger poses or acquisition methods. To address this issue, we propose a
localized deep representation of fingerprint, named LDRF. By focusing on the
discriminative characteristics within local regions, LDRF provides a more
robust and accurate fixed-length representation for fingerprints with variable
visible areas. LDRF can be adapted to retain information within any valid area,
making it highly flexible. The matching scores produced by LDRF also exhibit
intuitive statistical characteristics, which led us to propose a matching score
normalization technique to mitigate the uncertainty in the cases of very small
overlapping area. With this new technique, we can maintain a high level of
accuracy and reliability in our fingerprint matching, even as the size of the
database grows rapidly. Our experimental results on 21 datasets containing over
140K fingerprints of various finger poses and impression types show that LDRF
outperforms other fixed-length representations and is robust to sensing
technologies and impression types. Besides, the proposed matching score
normalization effectively reduces the false match rate (FMR) in large-scale
identification experiments comprising over 5.11 million fingerprints.
Specifically, this technique results in a reduction of two orders of magnitude
compared to matching without matching score normalization and five orders of
magnitude compared to prior works.
- Abstract(参考訳): minutiaベースの指紋表現と比較すると、固定長表現は単純で効率的なマッチングのため魅力的である。
固定長の指紋表現は、異なる指紋ポーズや取得方法によって生じる異なる可視領域の指紋をマッチングする場合に、精度が制限される。
そこで本研究では,LDRFと呼ばれる指紋の局所的な深部表現を提案する。
LDRFは局所領域における識別特性に焦点をあてることで、可変可視領域を持つ指紋に対してより堅牢で正確な固定長表現を提供する。
LDRFは有効な領域に情報を保持するように適応することができ、柔軟性が高い。
LDRFによるマッチングスコアも直感的な統計特性を示し,非常に小さな重複領域の場合の不確実性を軽減するために,マッチングスコア正規化手法を提案する。
この新しい技術では,データベースのサイズが急速に拡大しても,指紋照合の精度と信頼性を高いレベルに維持することができる。
種々の指ポーズと印象型の140K以上の指紋を含む21個のデータセットに対する実験結果から,LDRFが他の固定長表現よりも優れ,センシング技術や印象型に頑健であることが示された。
さらに,提案したマッチングスコア正規化は,511万以上の指紋を含む大規模識別実験において,偽一致率(FMR)を効果的に低減する。
特に, この手法は, スコア正規化を伴わないマッチングに比べて2桁の精度を低下させ, 従来に比べて5桁の精度を低下させる。
関連論文リスト
- 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) - Latent Fingerprint Recognition: Fusion of Local and Global Embeddings [30.40684369054112]
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。
論文 参考訳(メタデータ) (2023-04-26T19:42:57Z) - 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) - 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) - 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) - 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) - ROSE: Real One-Stage Effort to Detect the Fingerprint Singular Point
Based on Multi-scale Spatial Attention [7.711679004460418]
本稿では,指紋特異点をより高精度かつ効率的に検出するためのリアルワンステージ評価法を提案する。
本稿では,マルチスケール空間アテンション,ガウス熱マップ,焦点損失の変種を併用した提案アルゴリズム ROSE を簡潔に命名する。
FVC2002 DB1 と NIST SD4 による実験結果から,ROSE は検出速度,誤警報速度,検出速度において最先端のアルゴリズムよりも優れていた。
論文 参考訳(メタデータ) (2020-03-09T04:16:31Z)
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。