論文の概要: Enhancement-Driven Pretraining for Robust Fingerprint Representation Learning

• arxiv url: http://arxiv.org/abs/2402.10847v1
• Date: Fri, 16 Feb 2024 17:36:56 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-19 14:49:51.363292
• Title: Enhancement-Driven Pretraining for Robust Fingerprint Representation Learning
• Title（参考訳）: ロバストな指紋表現学習のための強調駆動事前学習
• Authors: Ekta Gavas, Kaustubh Olpadkar, Anoop Namboodiri
• Abstract要約: 本稿では,強化に基づく事前学習を利用して,頑健な指紋表現を導出する独自の手法を提案する。 公開されている指紋データを用いて実験した結果,検証性能が著しく向上したことが明らかとなった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fingerprint recognition stands as a pivotal component of biometric technology, with diverse applications from identity verification to advanced search tools. In this paper, we propose a unique method for deriving robust fingerprint representations by leveraging enhancement-based pre-training. Building on the achievements of U-Net-based fingerprint enhancement, our method employs a specialized encoder to derive representations from fingerprint images in a self-supervised manner. We further refine these representations, aiming to enhance the verification capabilities. Our experimental results, tested on publicly available fingerprint datasets, reveal a marked improvement in verification performance against established self-supervised training techniques. Our findings not only highlight the effectiveness of our method but also pave the way for potential advancements. Crucially, our research indicates that it is feasible to extract meaningful fingerprint representations from degraded images without relying on enhanced samples.
• Abstract（参考訳）: 指紋認識は生体認証技術の重要な要素であり、識別認証から高度な検索ツールまで様々な応用がある。 本稿では,強化に基づく事前学習を利用して,頑健な指紋表現を導出するユニークな手法を提案する。 本手法は,U-Netによる指紋強調の成果に基づいて,指紋画像から表現を自己監督的に導出する専用エンコーダを用いる。 これらの表現をさらに洗練し、検証能力の向上を目指しています。 公開されている指紋データを用いて実験した結果,既存の自己教師あり訓練技術に対する検証性能が著しく向上したことが明らかとなった。 また,本手法の有効性だけでなく,今後の進歩の道筋も明らかにした。 本研究は,改良されたサンプルに頼ることなく,劣化画像から有意義な指紋を抽出できることを示す。

関連論文リスト

• Latent fingerprint enhancement for accurate minutiae detection [8.996826918574463]
  本稿では,GAN(Generative Adversary Network)を用いてLFE(Latent Fingerprint Enhancement)を再定義する手法を提案する。 生成過程の微妙な情報を直接最適化することにより、このモデルは、地味な事例に対して例外的な忠実さを示す強化された潜伏指紋を生成する。 筆者らのフレームワークは, 微小な位置と配向場を統合し, 局所的および構造的指紋の特徴の保存を確実にする。
  論文  参考訳（メタデータ） (2024-09-18T08:35:31Z)
• Fusion of Minutia Cylinder Codes and Minutia Patch Embeddings for Latent Fingerprint Recognition [1.534667887016089]
  本稿では,潜伏指紋認識に対する融合型局所マッチング手法を提案する。 提案されたアプローチは、これらの手作り機能と、最近提案された深層ニューラルネットワークの組み込み機能を多段階融合アプローチに統合する。
  論文  参考訳（メタデータ） (2024-03-24T14:29:41Z)
• 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)
• 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)
• 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)
• General GAN-generated image detection by data augmentation in fingerprint domain [3.456122013525227]
  まず,自動エンコーダを用いたGAN指紋抽出装置を用いて,GAN生成画像の指紋と内容を分離する。 元の指紋は乱れた指紋で代用され、元のコンテンツに追加され、視覚的に不変だが異なる指紋を持つ画像を生成する。 我々の知る限り、私たちはフィンガードメインでデータ拡張を行う最初の人物です。
  論文  参考訳（メタデータ） (2022-12-27T12:37:11Z)
• 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)
• 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)
• 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)
• 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)

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。