論文の概要: Latent Fingerprint Matching via Dense Minutia Descriptor

• arxiv url: http://arxiv.org/abs/2405.01199v2
• Date: Fri, 5 Jul 2024 07:34:51 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-08 23:04:18.216505
• Title: Latent Fingerprint Matching via Dense Minutia Descriptor
• Title（参考訳）: Dense Minutia Descriptorによる潜時指紋照合
• Authors: Zhiyu Pan, Yongjie Duan, Xiongjun Guan, Jianjiang Feng, Jie Zhou,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 32.21219375759034
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Latent fingerprint matching is a daunting task, primarily due to the poor quality of latent fingerprints. In this study, we propose a deep-learning based dense minutia descriptor (DMD) for latent fingerprint matching. A DMD is obtained by extracting the fingerprint patch aligned by its central minutia, capturing detailed minutia information and texture information. Our dense descriptor takes the form of a three-dimensional representation, with two dimensions associated with the original image plane and the other dimension representing the abstract features. Additionally, the extraction process outputs the fingerprint segmentation map, ensuring that the descriptor is only valid in the foreground region. The matching between two descriptors occurs in their overlapping regions, with a score normalization strategy to reduce the impact brought by the differences outside the valid area. Our descriptor achieves state-of-the-art performance on several latent fingerprint datasets. Overall, our DMD is more representative and interpretable compared to previous methods.
• Abstract（参考訳）: 潜伏指紋マッチングは、潜伏指紋の質が低かったため、大変な作業である。 本研究では,潜伏指紋マッチングのための深層学習型高密度ミツリニアディスクリプタ(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。 我々の高密度記述子は、元の画像平面に関連付けられた2次元と、抽象的な特徴を表す他の次元の2次元の3次元表現の形を取る。 さらに、抽出処理は指紋分割マップを出力し、デクリプタが前景領域でのみ有効であることを保証する。 2つの記述子間のマッチングは重なり合う領域で発生し、スコア正規化戦略により、有効領域外の差による影響を低減する。 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。 全体として、我々のDMDは従来の方法よりも代表的で解釈しやすい。

関連論文リスト

• Fixed-length Dense Descriptor for Efficient Fingerprint Matching [33.808749518785]
  指紋照合のためのFDD(Fixed-length Dense Descriptor)と呼ばれる3次元表現を提案する。 FDDは優れた空間特性を備えており、元の指紋の空間的関係を捉えることができる。 各種指紋データを用いた実験により,FDDが他の固定長ディスクリプタよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2023-11-30T14:15:39Z)
• 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)
• Self-Supervised Correction Learning for Semi-Supervised Biomedical Image Segmentation [84.58210297703714]
  半教師付きバイオメディカルイメージセグメンテーションのための自己教師付き補正学習パラダイムを提案する。 共有エンコーダと2つの独立デコーダを含むデュアルタスクネットワークを設計する。 異なるタスクのための3つの医用画像分割データセットの実験により,本手法の優れた性能が示された。
  論文  参考訳（メタデータ） (2023-01-12T08:19:46Z)
• 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)
• Progressively Dual Prior Guided Few-shot Semantic Segmentation [57.37506990980975]
  Few-shotのセマンティックセマンティックセマンティクスタスクは、いくつかのアノテーション付きサポートサンプルを使用して、クエリイメージのセマンティクスを実行することを目的としている。 本稿では,先進的に2重にガイドされた数発のセマンティックセマンティックセグメンテーションネットワークを提案する。
  論文  参考訳（メタデータ） (2022-11-20T16:19:47Z)
• 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)
• Pair-Relationship Modeling for Latent Fingerprint Recognition [25.435974669629374]
  本稿では,2つの指紋のペア関係を認識の類似性として直接モデル化する手法を提案する。 2つのデータベースに対する実験結果から,提案手法が技術状況より優れていることが示された。
  論文  参考訳（メタデータ） (2022-07-02T11:31:31Z)
• Residual Moment Loss for Medical Image Segmentation [56.72261489147506]
  位置情報は,対象物体の多様体構造を捉えた深層学習モデルに有効であることが証明された。 既存のほとんどの手法は、ネットワークが学習するために、位置情報を暗黙的にエンコードする。 セグメント化対象の位置情報を明示的に埋め込むために,新しい損失関数,すなわち残差モーメント(RM)損失を提案する。
  論文  参考訳（メタデータ） (2021-06-27T09:31:49Z)
• Sparse Auxiliary Networks for Unified Monocular Depth Prediction and Completion [56.85837052421469]
  コスト効率のよいセンサで得られたデータからシーン形状を推定することは、ロボットや自動運転車にとって鍵となる。 本稿では,1枚のRGB画像から,低コストな能動深度センサによるスパース計測により,深度を推定する問題について検討する。 sparse networks (sans) は,深さ予測と完了という2つのタスクをmonodepthネットワークで実行可能にする,新しいモジュールである。
  論文  参考訳（メタデータ） (2021-03-30T21:22:26Z)
• 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。