論文の概要: Performance Evaluation of Image Enhancement Techniques on Transfer Learning for Touchless Fingerprint Recognition

• arxiv url: http://arxiv.org/abs/2502.04680v1
• Date: Fri, 07 Feb 2025 06:00:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-10 14:57:38.700932
• Title: Performance Evaluation of Image Enhancement Techniques on Transfer Learning for Touchless Fingerprint Recognition
• Title（参考訳）: タッチレス指紋認識のための転写学習における画像強調手法の性能評価
• Authors: S Sreehari, Dilavar P D, S M Anzar, Alavikunhu Panthakkan, Saad Ali Amin,
• Abstract要約: 本研究では,画像強調技術が事前学習型ディープラーニングモデルの性能に及ぼす影響を評価する。 VGG-16は、訓練で98%、画像の強化で93%の精度を達成した。
• 参考スコア（独自算出の注目度）: 0.6291443816903801
• License:
• Abstract: Fingerprint recognition remains one of the most reliable biometric technologies due to its high accuracy and uniqueness. Traditional systems rely on contact-based scanners, which are prone to issues such as image degradation from surface contamination and inconsistent user interaction. To address these limitations, contactless fingerprint recognition has emerged as a promising alternative, providing non-intrusive and hygienic authentication. This study evaluates the impact of image enhancement tech-niques on the performance of pre-trained deep learning models using transfer learning for touchless fingerprint recognition. The IIT-Bombay Touchless and Touch-Based Fingerprint Database, containing data from 200 subjects, was employed to test the per-formance of deep learning architectures such as VGG-16, VGG-19, Inception-V3, and ResNet-50. Experimental results reveal that transfer learning methods with fingerprint image enhance-ment (indirect method) significantly outperform those without enhancement (direct method). Specifically, VGG-16 achieved an accuracy of 98% in training and 93% in testing when using the enhanced images, demonstrating superior performance compared to the direct method. This paper provides a detailed comparison of the effectiveness of image enhancement in improving the accuracy of transfer learning models for touchless fingerprint recognition, offering key insights for developing more efficient biometric systems.
• Abstract（参考訳）: 指紋認識は、高い精度と特異性のため、最も信頼性の高い生体認証技術の一つである。 従来のシステムは接触型スキャナーに依存しており、表面汚染による画像劣化やユーザインタラクションの不整合といった問題に悩まされる。 これらの制限に対処するために、非侵襲的で衛生的な認証を提供する、有望な代替手段として非接触指紋認証が登場した。 本研究では,非接触指紋認識のための転写学習を用いた事前学習モデルの性能に及ぼす画像強調技術の影響について検討した。 IIT-Bombay Touchless and Touch-Based Fingerprint Databaseは200人の被験者のデータを含んでおり、VGG-16、VGG-19、Inception-V3、ResNet-50といったディープラーニングアーキテクチャのパフォーマンスをテストするために使用されている。 指紋強調法(間接法)を用いた転写学習法は, 直接法(直接法)よりも有意に優れていた。 具体的には、VGG-16は、訓練で98%、画像で93%の精度を達成し、直接法と比較して優れた性能を示した。 本稿では,タッチレス指紋認識のための転写学習モデルの精度向上における画像強調の有効性を詳細に比較し,より効率的な生体認証システムを開発する上で重要な知見を提供する。

関連論文リスト

• Effectiveness of learning-based image codecs on fingerprint storage [19.292976022250684]
  本研究は,指紋画像の記憶における学習ベース画像コーデックの適応性に関する最初の研究である。 一定のレートで学習されたソリューションは、JPEG2000のような以前の指紋コーディング標準を大幅に上回った。 その結果、学習した圧縮加工品の特異性は、指紋の自動識別を妨げないことがわかった。
  論文  参考訳（メタデータ） (2024-09-27T13:23:17Z)
• Enhancement-Driven Pretraining for Robust Fingerprint Representation Learning [0.0]
  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。
  論文  参考訳（メタデータ） (2024-02-16T17:36:56Z)
• 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)
• PGT-Net: Progressive Guided Multi-task Neural Network for Small-area Wet Fingerprint Denoising and Recognition [5.834731599084115]
  エンドツーエンドのトレーニング可能なプログレッシブガイド型マルチタスクニューラルネットワーク(PGT-Net)を提案する。 PGT-Netは共有ステージと特定のマルチタスクステージを含み、ネットワークはバイナリと非バイナリの指紋を順次トレーニングすることができる。 実験結果から,PGT-Netは湿式フィンガープリントにおいて有望な性能を示し,指紋認識率(FRR)を大幅に向上させることが示された。
  論文  参考訳（メタデータ） (2023-08-14T09:19:26Z)
• 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)
• AFR-Net: Attention-Driven Fingerprint Recognition Network [47.87570819350573]
  指紋認識を含む生体認証における視覚変換器(ViT)の使用に関する初期研究を改善する。 ネットワーク内の中間特徴マップから抽出した局所的な埋め込みを用いて,グローバルな埋め込みを低確かさで洗練する手法を提案する。 この戦略は、既存のディープラーニングネットワーク(アテンションベース、CNNベース、あるいはその両方を含む)のラッパーとして適用することで、パフォーマンスを向上させることができる。
  論文  参考訳（メタデータ） (2022-11-25T05:10:39Z)
• 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)
• 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)
• A high performance fingerprint liveness detection method based on quality related features [66.41574316136379]
  このシステムは、10,500枚以上の実画像と偽画像からなる非常に難しいデータベースでテストされている。 提案手法はマルチシナリオデータセットに対して堅牢であることが証明され、全体の90%が正しく分類されたサンプルである。
  論文  参考訳（メタデータ） (2021-11-02T21:09:39Z)
• 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。