論文の概要: Fingerprint Matching with Localized Deep Representation

• arxiv url: http://arxiv.org/abs/2311.18576v2
• Date: Thu, 2 May 2024 11:31:27 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-03 22:00:43.153847
• Title: Fingerprint Matching with Localized Deep Representation
• Title（参考訳）: 局所的な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）: 33.808749518785
• 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）: 栄養素に基づく指紋表現と比較して、固定長表現は単純で効率的なマッチングのために魅力的である。 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。 この問題に対処するために,LDRFという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は任意の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。 この新しい手法では,データベースのサイズが急速に拡大しても,指紋マッチングにおいて高い精度と信頼性を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個のデータセットを用いた実験結果,LDRFが他の固定長表現よりも優れており,センシング技術や印象型に頑健であることがわかった。 さらに,提案したマッチングスコア正規化は,5.11万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, 先行処理に比べて5桁の精度を低下させる。

関連論文リスト

• Latent Fingerprint Matching via Dense Minutia Descriptor [32.21219375759034]
  本稿では,潜伏指紋マッチングのための深層学習型高密度ミナリアディスクリプタ(DMD)を提案する。 DMDは、その中心ミナミヤに整列した指紋パッチを抽出し、詳細なミナミヤ情報とテクスチャ情報をキャプチャして得られる。 我々の記述子は、複数の潜伏指紋データに対して最先端の性能を達成する。
  論文  参考訳（メタデータ） (2024-05-02T11:40:44Z)
• RFDforFin: Robust Deep Forgery Detection for GAN-generated Fingerprint Images [45.73061833269094]
  本稿では,GAN生成画像の独自の隆起特性と生成アーティファクトを組み合わせた指紋画像に対する最初の深部偽造検出手法を提案する。 提案手法は,低複雑性で有効かつ堅牢である。
  論文  参考訳（メタデータ） (2023-08-18T04:05:18Z)
• Benchmarking fixed-length Fingerprint Representations across different Embedding Sizes and Sensor Types [13.715060479044167]
  指紋から固定長埋め込みを抽出するディープニューラルネットワークが提案されている。 本研究では,2種類のセンサに対する指紋テクスチャ情報の認識性能に与える影響について検討した。
  論文  参考訳（メタデータ） (2023-07-17T16:30:44Z)
• 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 vulnerability of fingerprint verification systems to fake fingerprint attacks [57.36125468024803]
  中規模の偽指紋データベースを記述し、2つの異なる指紋認証システムを評価する。 光およびサーマルスイーピングセンサの結果が提供される。
  論文  参考訳（メタデータ） (2022-07-11T12:22:52Z)
• Synthesis and Reconstruction of Fingerprints using Generative Adversarial Networks [6.700873164609009]
  本稿では,StyleGan2アーキテクチャに基づく新しい指紋合成・再構成フレームワークを提案する。 また,生成した指紋の属性を同一性を保ちながら修正する計算手法も提案する。 提案手法は, 指紋合成と復元の両面において, 現代的手法よりも優れていることを示した。
  論文  参考訳（メタデータ） (2022-01-17T00:18:00Z)
• Fingerprint Matching using the Onion Peeling Approach and Turning Function [0.0]
  フィンガープリントは最も人気があり、丈夫な生体計測特性の1つである。 ほとんどの指紋マッチングアルゴリズムはミツバチをベースとしている。 本論文は,タマネギの剥離法を用いた新しいミナミアン系指紋照合法を提案する。
  論文  参考訳（メタデータ） (2021-10-03T09:10:44Z)
• 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)
• 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)

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。