Fugu-MT 論文翻訳(概要): Fingerprint Presentation Attack Detector Using Global-Local Model

論文の概要: Fingerprint Presentation Attack Detector Using Global-Local Model

arxiv url: http://arxiv.org/abs/2402.12754v1
Date: Tue, 20 Feb 2024 06:47:12 GMT
ステータス: 処理完了
システム内更新日: 2024-02-21 16:46:29.733511
Title: Fingerprint Presentation Attack Detector Using Global-Local Model
Title（参考訳）: グローバル局所モデルを用いた指紋提示攻撃検出
Authors: Haozhe Liu, Wentian Zhang, Feng Liu, Haoqian Wu, Linlin Shen
Abstract要約: 本稿では,制限をある程度克服するグローバルローカルモデルベースPAD(RTK-PAD)手法を提案する。 LivDet 2017で評価した結果,提案したRTK-PADは平均分類誤差(ACE)が2.28%,真検出率(TDR)が91.19%,偽検出率(FDR)が1.0%であった。
参考スコア（独自算出の注目度）: 40.94310863906912
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The vulnerability of automated fingerprint recognition systems (AFRSs) to presentation attacks (PAs) promotes the vigorous development of PA detection (PAD) technology. However, PAD methods have been limited by information loss and poor generalization ability, resulting in new PA materials and fingerprint sensors. This paper thus proposes a global-local model-based PAD (RTK-PAD) method to overcome those limitations to some extent. The proposed method consists of three modules, called: 1) the global module; 2) the local module; and 3) the rethinking module. By adopting the cut-out-based global module, a global spoofness score predicted from nonlocal features of the entire fingerprint images can be achieved. While by using the texture in-painting-based local module, a local spoofness score predicted from fingerprint patches is obtained. The two modules are not independent but connected through our proposed rethinking module by localizing two discriminative patches for the local module based on the global spoofness score. Finally, the fusion spoofness score by averaging the global and local spoofness scores is used for PAD. Our experimental results evaluated on LivDet 2017 show that the proposed RTK-PAD can achieve an average classification error (ACE) of 2.28% and a true detection rate (TDR) of 91.19% when the false detection rate (FDR) equals 1.0%, which significantly outperformed the state-of-the-art methods by $\sim$10% in terms of TDR (91.19% versus 80.74%).
Abstract（参考訳）: 自動指紋認識システム(AFRS)のプレゼンテーションアタック(PA)に対する脆弱性は、PA検出(PAD)技術の活発な発展を促進する。しかし、パッド法は情報損失と一般化能力の低下によって制限され、新しいpa材料と指紋センサーが生み出された。本論文では,これらの制約をある程度克服するグローバルローカルモデルベースPAD(RTK-PAD)手法を提案する。提案手法は以下の3つのモジュールから構成される。 1) グローバルモジュール 2) ローカルモジュール,及び 3) 再考モジュール。カットアウト方式のグローバルモジュールを採用することにより、指紋画像全体の非局所的特徴から予測されるグローバルスプーフネススコアを達成することができる。テクスチャ・イン・ペインティング・ベースのローカル・モジュールを用いて指紋パッチから予測される局所スプーフネススコアを求める。 2つのモジュールは独立ではないが、グローバルなスプーフネススコアに基づいて局所的なモジュールに対する2つの識別パッチをローカライズすることで再考モジュールを通して接続する。最後に、PADには、グローバルおよびローカルスプーフネススコアを平均化して融合スプーフネススコアを使用する。 livdet 2017で評価した実験結果では,提案するrtkパッドの平均分類誤差 (ace) が2.28%,真検出率 (tdr) が1.19%,偽検出率 (fdr) が1.0%と等しい場合の真検出率 (tdr) が91.19%であった。

関連論文リスト

Interpreting Object-level Foundation Models via Visual Precision Search [53.807678972967224]
より少ない領域で正確な属性マップを生成する視覚的精度探索法を提案する。本手法は,マルチモーダル融合による帰属問題を克服するために,内部モデルパラメータをバイパスする。提案手法は,複数の評価指標にまたがる既存の手法を超越して,視覚的接地や物体検出タスクにおける障害を解釈することができる。
論文参考訳（メタデータ） (2024-11-25T08:54:54Z)
Less is More: Fewer Interpretable Region via Submodular Subset Selection [54.07758302264416]
本稿では,上述の画像帰属問題を部分モジュラ部分選択問題として再モデル化する。我々は、より正確な小さな解釈領域を発見するために、新しい部分モジュラー関数を構築する。正しく予測されたサンプルに対しては,HSIC-Attributionに対する平均4.9%と2.5%の利得で,Deletion and Insertionスコアを改善した。
論文参考訳（メタデータ） (2024-02-14T13:30:02Z)
A Universal Anti-Spoofing Approach for Contactless Fingerprint Biometric Systems [0.0]
接触のない指紋に対する普遍的な提示攻撃検出法を提案する。ライブフィンガー写真からStyleGANを用いて合成非接触指紋を生成し,それらを統合して半教師付きResNet-18モデルを訓練した。両損失関数のバランスをとるために,Arcface と Center の損失を組み合わせた新しい結合損失関数を導入した。
論文参考訳（メタデータ） (2023-10-23T15:46:47Z)
Exploring the Relationship between Samples and Masks for Robust Defect Localization [1.90365714903665]
本稿では,モデルプロセスなしで欠陥パターンを直接検出する一段階フレームワークを提案する。欠陥の位置を示す可能性のある明示的な情報は、直接マッピングを学ぶことを避けるために意図的に除外される。その結果,提案手法はF1-ScoreのSOTA法よりも2.9%高い値を示した。
論文参考訳（メタデータ） (2023-06-19T06:41:19Z)
Divide and Contrast: Source-free Domain Adaptation via Adaptive Contrastive Learning [122.62311703151215]
Divide and Contrast (DaC) は、それぞれの制限を回避しつつ、両方の世界の善良な端を接続することを目的としている。 DaCは、ターゲットデータをソースライクなサンプルとターゲット固有なサンプルに分割する。さらに、ソースライクなドメインと、メモリバンクベースの最大平均離散性(MMD)損失を用いて、ターゲット固有のサンプルとを整合させて、分散ミスマッチを低減する。
論文参考訳（メタデータ） (2022-11-12T09:21:49Z)
Backdoor Defense in Federated Learning Using Differential Testing and Outlier Detection [24.562359531692504]
バックドア攻撃からFLシステムを保護するための自動防御フレームワークであるDifFenseを提案する。提案手法は,グローバルモデルの平均バックドア精度を4%以下に低減し,偽陰性率ゼロを達成する。
論文参考訳（メタデータ） (2022-02-21T17:13:03Z)
Fingerprint Presentation Attack Detection by Channel-wise Feature Denoising [18.933809452711163]
指紋認識システム(AFRS)は悪意のある攻撃に対して脆弱である。現在のフィンガープリント提示攻撃検出法は、新しい攻撃材料やセンサー設定下では、しばしばロバスト性に欠ける。本稿では,CFD-PAD (Channel-wise Feature Denoising fingerprint PAD) 法を提案する。
論文参考訳（メタデータ） (2021-11-15T09:13:21Z)
Taming Self-Supervised Learning for Presentation Attack Detection: De-Folding and De-Mixing [42.733666815035534]
各種提示攻撃装置(PAI)を用いた提示攻撃に対して生体認証システムは脆弱である DF-DMと呼ばれる自己教師型学習手法を提案する。 DF-DMは、PDDのタスク固有の表現を導出するために、De-FoldingとDe-Mixingと結合したグローバルローカルビューに基づいている。
論文参考訳（メタデータ） (2021-09-09T08:38:17Z)
Video-based Person Re-identification without Bells and Whistles [49.51670583977911]
ビデオベースの人物再識別(Re-ID)は、異なるカメラの下で歩行者を特定するために、ビデオトラッカーとトリミングされたビデオフレームをマッチングすることを目的としている。従来の方法による不完全な検出と追跡の結果から, 収穫したトラックレットの空間的, 時間的不整合が生じている。本稿では,深層学習に基づくトラックレットの検出と追跡を適用することで,これらの予期せぬノイズを効果的に低減できる簡易な再検出リンク(DL)モジュールを提案する。
論文参考訳（メタデータ） (2021-05-22T10:17:38Z)
Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for Dense Object Detection [85.53263670166304]
一段検出器は基本的に、物体検出を密度の高い分類と位置化として定式化する。 1段検出器の最近の傾向は、局所化の質を推定するために個別の予測分岐を導入することである。本稿では, 上記の3つの基本要素, 品質推定, 分類, ローカライゼーションについて述べる。
論文参考訳（メタデータ） (2020-06-08T07:24:33Z)

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。