論文の概要: Phase-aggregated Dual-branch Network for Efficient Fingerprint Dense Registration
- arxiv url: http://arxiv.org/abs/2404.17159v1
- Date: Fri, 26 Apr 2024 05:06:53 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-29 14:04:24.271007
- Title: Phase-aggregated Dual-branch Network for Efficient Fingerprint Dense Registration
- Title(参考訳): 高速フィンガープリント密度登録のための位相集約型デュアルブランチネットワーク
- Authors: Xiongjun Guan, Jianjiang Feng, Jie Zhou,
- Abstract要約: 指紋密度登録は、指紋ペアをピクセルレベルで微調整することを目的としており、これにより歪みによるクラス内差を低減する。
従来の方法では、低品質の指紋を扱う場合、サブパーパフォーマンスが見られた。
深層学習に基づくアプローチはこれらの面で大幅に改善されているが、その登録精度はまだ不十分である。
- 参考スコア(独自算出の注目度): 34.16169623776737
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Fingerprint dense registration aims to finely align fingerprint pairs at the pixel level, thereby reducing intra-class differences caused by distortion. Unfortunately, traditional methods exhibited subpar performance when dealing with low-quality fingerprints while suffering from slow inference speed. Although deep learning based approaches shows significant improvement in these aspects, their registration accuracy is still unsatisfactory. In this paper, we propose a Phase-aggregated Dual-branch Registration Network (PDRNet) to aggregate the advantages of both types of methods. A dual-branch structure with multi-stage interactions is introduced between correlation information at high resolution and texture feature at low resolution, to perceive local fine differences while ensuring global stability. Extensive experiments are conducted on more comprehensive databases compared to previous works. Experimental results demonstrate that our method reaches the state-of-the-art registration performance in terms of accuracy and robustness, while maintaining considerable competitiveness in efficiency.
- Abstract(参考訳): 指紋密度登録は、指紋ペアをピクセルレベルで微調整することを目的としており、これにより歪みによるクラス内差を低減する。
残念ながら、従来の手法では、低品質の指紋を扱う場合、推論速度の遅さに悩まされていた。
深層学習に基づくアプローチはこれらの面で著しく改善されているが、その登録精度はまだ不十分である。
本稿では,両手法の利点を集約するために,位相集約型デュアルブランチ登録ネットワーク(PDRNet)を提案する。
高分解能の相関情報と低分解能のテクスチャ特徴との間には,多段階相互作用を持つ二重ブランチ構造を導入し,局所的な微細な相違を知覚し,大域的安定性を確保した。
従来よりも包括的なデータベース上で大規模な実験が実施されている。
実験結果から,提案手法は精度とロバスト性を両立させつつ,高い競争性を維持しつつ,最先端の登録性能に達することが示された。
関連論文リスト
- Efficient Diffusion as Low Light Enhancer [63.789138528062225]
RATR(Reflectance-Aware Trajectory Refinement)は、イメージの反射成分を用いて教師の軌跡を洗練するための、シンプルで効果的なモジュールである。
textbfReDDiT (textbfDistilled textbfTrajectory) は低照度画像強調(LLIE)に適した効率的で柔軟な蒸留フレームワークである。
論文 参考訳(メタデータ) (2024-10-16T08:07:18Z) - A Robust Algorithm for Contactless Fingerprint Enhancement and Matching [7.820996917431323]
接触のない指紋画像には 4つの特徴があります
ノイズが少なく、リッジパターンの不連続も少なく、相互運用性の問題を引き起こす。
そこで本研究では,無接触指紋識別ソリューションを提案する。
論文 参考訳(メタデータ) (2024-08-18T10:01:42Z) - Towards Saner Deep Image Registration [27.293910167327084]
本稿では,衛生検査顕微鏡による一般的な学習に基づく深層登録の動作について検討する。
既存のほとんどの登録は、過度に最適化された画像の類似性により、逆一貫性が低く、同一のペアの非識別に悩まされている。
本稿では, 逆整合性誤差を低減し, 同時に識別力を高めるために, 奥行きモデルに2つの正準チェックを課す新しい正則化法を提案する。
論文 参考訳(メタデータ) (2023-07-19T00:41:39Z) - NSNet: Non-saliency Suppression Sampler for Efficient Video Recognition [89.84188594758588]
非定常フレームの応答を抑制するために, NSNet(Non-Sliency Suppression Network)を提案する。
NSNetは最先端の精度効率トレードオフを実現し、最先端の手法よりもはるかに高速な2.44.3xの実用的な推論速度を示す。
論文 参考訳(メタデータ) (2022-07-21T09:41:22Z) - Voxelmorph++ Going beyond the cranial vault with keypoint supervision
and multi-channel instance optimisation [8.88841928746097]
近年のLearn2Regベンチマークでは,単スケールU-Netアーキテクチャーは腹部または患者内肺登録の最先端性能に劣っている。
本稿では、この精度のギャップを大幅に減らすための2つの簡単な手順を提案する。
まず、離散化されたヒートマップを予測する新しいネットワークヘッドを備えたキーポイント・セルフスーパービジョンを用いる。
次に、複数の学習した微調整ステップを、手作りの機能とAdamオプティマイザでひとつのインスタンスに置き換える。
論文 参考訳(メタデータ) (2022-02-28T19:23:29Z) - Domain Adaptation for Underwater Image Enhancement [51.71570701102219]
本稿では,ドメイン間およびドメイン内ギャップを最小限に抑えるために,新しい2相水中ドメイン適応ネットワーク(TUDA)を提案する。
第1段階では、入力画像のリアリズムを強化する翻訳部と、拡張部とを含む新しい二重配向ネットワークを設計する。
第2フェーズでは、ランクベースの水中品質評価手法が組み込まれている強化画像の評価品質に応じて、実データを簡単に分類する。
論文 参考訳(メタデータ) (2021-08-22T06:38:19Z) - Semi-supervised Long-tailed Recognition using Alternate Sampling [95.93760490301395]
ロングテール認識の主な課題は、データ分布の不均衡とテールクラスにおけるサンプル不足である。
半教師付き長尾認識という新しい認識設定を提案する。
2つのデータセットで、他の競合方法よりも大幅な精度向上を実証します。
論文 参考訳(メタデータ) (2021-05-01T00:43:38Z) - Cascaded Feature Warping Network for Unsupervised Medical Image
Registration [11.052668687673998]
我々は,細部まで粗い登録を行うために,カスケード特徴ウォーピングネットワークを事前に設定する。
共有重みエンコーダネットワークを採用し、不整合画像の特徴ピラミッドを生成する。
その結果,本手法は最先端手法よりも優れていた。
論文 参考訳(メタデータ) (2021-03-15T08:50:06Z) - Manifold Regularized Dynamic Network Pruning [102.24146031250034]
本稿では,全インスタンスの多様体情報をプルーンドネットワークの空間に埋め込むことにより,冗長フィルタを動的に除去する新しいパラダイムを提案する。
提案手法の有効性をいくつかのベンチマークで検証し,精度と計算コストの両面で優れた性能を示す。
論文 参考訳(メタデータ) (2021-03-10T03:59:03Z) - 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)
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。