論文の概要: Towards Fingerprint Mosaicking Artifact Detection: A Self-Supervised Deep Learning Approach

• arxiv url: http://arxiv.org/abs/2501.05034v1
• Date: Thu, 09 Jan 2025 07:49:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-10 14:00:04.890792
• Title: Towards Fingerprint Mosaicking Artifact Detection: A Self-Supervised Deep Learning Approach
• Title（参考訳）: 指紋モザイク検出に向けて:自己監督型ディープラーニングアプローチ
• Authors: Laurenz Ruzicka, Alexander Spenke, Stephan Bergmann, Gerd Nolden, Bernhard Kohn, Clemens Heitzinger,
• Abstract要約: 本稿では,指紋画像中のモザイク生成物を検出・スコアする深層学習に基づく新しい手法を提案する。 本手法は,大規模未ラベル指紋データに基づいて,自己教師付き学習フレームワークを用いてモデルを訓練する。 エラーの重大度を定量化するための新しいモザイクスコアを導入し,指紋画像の自動評価を可能にした。
• 参考スコア（独自算出の注目度）: 37.80072544311634
• License:
• Abstract: Fingerprint mosaicking, which is the process of combining multiple fingerprint images into a single master fingerprint, is an essential process in modern biometric systems. However, it is prone to errors that can significantly degrade fingerprint image quality. This paper proposes a novel deep learning-based approach to detect and score mosaicking artifacts in fingerprint images. Our method leverages a self-supervised learning framework to train a model on large-scale unlabeled fingerprint data, eliminating the need for manual artifact annotation. The proposed model effectively identifies mosaicking errors, achieving high accuracy on various fingerprint modalities, including contactless, rolled, and pressed fingerprints and furthermore proves to be robust to different data sources. Additionally, we introduce a novel mosaicking artifact score to quantify the severity of errors, enabling automated evaluation of fingerprint images. By addressing the challenges of mosaicking artifact detection, our work contributes to improving the accuracy and reliability of fingerprint-based biometric systems.
• Abstract（参考訳）: フィンガープリントモザイク(英語版)は、複数の指紋画像を単一のマスター指紋に結合するプロセスであり、現代の生体認証システムにおいて必須のプロセスである。 しかし、指紋画像の品質を著しく低下させるエラーが生じやすい。 本稿では,指紋画像中のモザイク生成物を検出・スコアする深層学習に基づく新しい手法を提案する。 本手法は,自己教師型学習フレームワークを利用して,大規模未ラベル指紋データに基づくモデルを訓練し,手作業によるアーティファクトアノテーションの必要性を解消する。 提案モデルでは,モザイク誤りを効果的に識別し,非接触,転がり,押された指紋など,さまざまな指紋モダリティに対して高い精度を達成し,さらに異なるデータソースに対して堅牢であることを示す。 さらに,エラーの重大度を定量化するための新しいモザイクスコアを導入し,指紋画像の自動評価を可能にした。 モザイク検出の課題に対処することにより,指紋ベースの生体認証システムの精度と信頼性の向上に寄与する。

関連論文リスト

• Regression of Dense Distortion Field from a Single Fingerprint Image [32.77128793787146]
  皮膚の歪みは指紋マッチングにおける長期にわたる課題であり、偽の非一致を引き起こす。 従来の研究では、歪んだ指紋から歪み場を推定することにより、認識率を向上させることができることが示されている。 本稿では,自己参照型ネットワークを用いて歪んだ指紋の密度歪み場を直接推定する補正手法を提案する。
  論文  参考訳（メタデータ） (2024-04-26T05:00:51Z)
• Deep Learning-Based Approaches for Contactless Fingerprints Segmentation and Extraction [1.2441902898414798]
  我々は,非接触指紋の局所化とセグメンテーションのためのディープラーニングベースのセグメンテーションツールを開発した。 評価では,30ピクセルの平均絶対誤差(MAE),5.92度の角度予測誤差(EAP),97.46%のラベル付け精度を示した。
  論文  参考訳（メタデータ） (2023-11-26T01:56:10Z)
• Synthetic Latent Fingerprint Generation Using Style Transfer [6.530917936319386]
  そこで我々は,現実的な潜伏指紋を合成するために,スタイル転送と画像ブレンディングを用いたシンプルで効果的なアプローチを提案する。 評価基準と実験により,生成した合成潜伏指紋は,入力された接触指紋から識別情報を保存していることが示された。
  論文  参考訳（メタデータ） (2023-09-27T15:47:00Z)
• Comparative analysis of segmentation and generative models for fingerprint retrieval task [0.0]
  指紋は、指が汚れたり、濡れたり、怪我したり、センサーが故障したりすると、品質が低下する。 本稿では,ジェネレーティブ(GAN)とモデルを用いた深層学習手法を提案する。 本研究は, GANネットワークよりも, u-net モデルの方が優れた性能を示した。
  論文  参考訳（メタデータ） (2022-09-13T17:21:14Z)
• 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)
• 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)
• A Comparative Study of Fingerprint Image-Quality Estimation Methods [54.84936551037727]
  画質の悪い画像は、突発的で欠落した特徴をもたらし、システム全体の性能を低下させる。 本稿では,指紋画像品質評価のための既存手法について概説する。 また,指紋画像品質推定アルゴリズムの選定も行った。
  論文  参考訳（メタデータ） (2021-11-14T19:53:12Z)
• 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)
• 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。