論文の概要: Innovative Deep Learning Architecture for Enhanced Altered Fingerprint Recognition

• arxiv url: http://arxiv.org/abs/2509.20537v1
• Date: Wed, 24 Sep 2025 20:12:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-26 20:58:12.578389
• Title: Innovative Deep Learning Architecture for Enhanced Altered Fingerprint Recognition
• Title（参考訳）: 改良型指紋認識のための革新的ディープラーニングアーキテクチャ
• Authors: Dana A Abdullah, Dana Rasul Hamad, Bishar Rasheed Ibrahim, Sirwan Abdulwahid Aula, Aso Khaleel Ameen, Sabat Salih Hamadamin,
• Abstract要約: DeepAFRNetは,歪んだ指紋サンプルをマッチングし,認識するディープラーニング認識モデルである。 このアプローチでは、VGG16バックボーンを使用して高次元の特徴とコサイン類似性を抽出し、埋め込みを比較する。 厳格なしきい値では、DeepAFRNetは96.7%、98.76パーセント、99.54パーセントを達成している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Altered fingerprint recognition (AFR) is challenging for biometric verification in applications such as border control, forensics, and fiscal admission. Adversaries can deliberately modify ridge patterns to evade detection, so robust recognition of altered prints is essential. We present DeepAFRNet, a deep learning recognition model that matches and recognizes distorted fingerprint samples. The approach uses a VGG16 backbone to extract high-dimensional features and cosine similarity to compare embeddings. We evaluate on the SOCOFing Real-Altered subset with three difficulty levels (Easy, Medium, Hard). With strict thresholds, DeepAFRNet achieves accuracies of 96.7 percent, 98.76 percent, and 99.54 percent for the three levels. A threshold-sensitivity study shows that relaxing the threshold from 0.92 to 0.72 sharply degrades accuracy to 7.86 percent, 27.05 percent, and 29.51 percent, underscoring the importance of threshold selection in biometric systems. By using real altered samples and reporting per-level metrics, DeepAFRNet addresses limitations of prior work based on synthetic alterations or limited verification protocols, and indicates readiness for real-world deployments where both security and recognition resilience are critical.
• Abstract（参考訳）: 指紋認証(AFR)は、国境管理、法医学、会計検査などの応用における生体認証の課題である。 敵は故意に尾根パターンを修正して検出を回避できるため、変更された印刷物の堅牢な認識が不可欠である。 DeepAFRNetは,歪んだ指紋サンプルをマッチングし,認識するディープラーニング認識モデルである。 このアプローチでは、VGG16バックボーンを使用して高次元の特徴とコサイン類似性を抽出し、埋め込みを比較する。 難易度が3つあるSOCOFing Real-Altered サブセット (Easy, Medium, Hard) について検討した。 厳格なしきい値では、DeepAFRNetは96.7%、98.76パーセント、99.54パーセントを達成している。 閾値感受性の研究によると、0.92から0.72までの閾値を緩めると、精度が7.86パーセント、27.05パーセント、29.51パーセントに急低下し、生体認証システムにおける閾値選択の重要性が強調される。 実際の変更されたサンプルを使用して、レベル単位のメトリクスをレポートすることで、DeepAFRNetは、合成変更や限定された検証プロトコルに基づく事前作業の制限に対処し、セキュリティと認識のレジリエンスの両方が重要である実世界のデプロイメントの準備性を示す。

関連論文リスト

• Watermarking and Anomaly Detection in Machine Learning Models for LORA RF Fingerprinting [0.0]
  本稿では,疑わしい入力を見つけるために,所有権証明のための透かしと異常検出を併用したより強力なRFFIシステムを提案する。 LoRaデータセットでは、94.6%の精度、98%の透かし成功、0.94のAUROCを達成し、検証可能な改ざん防止認証を提供する。
  論文  参考訳（メタデータ） (2025-09-18T17:21:33Z)
• Deep Learning Models for Robust Facial Liveness Detection [56.08694048252482]
  本研究では,現代のアンチスプーフィング手法の欠陥に対処する新しい深層学習モデルを用いて,ロバストな解を提案する。 テクスチャ解析と実際の人間の特性に関連する反射特性を革新的に統合することにより、我々のモデルは、顕著な精度でレプリカと真の存在を区別する。
  論文  参考訳（メタデータ） (2025-08-12T17:19:20Z)
• Person Recognition at Altitude and Range: Fusion of Face, Body Shape and Gait [70.00430652562012]
  FarSightは、顔認識のためのエンドツーエンドシステムで、顔、歩行、体形を横断する生体計測の手がかりを統合する。 FarSightは、4つのコアモジュールにまたがる新しいアルゴリズムを組み込んでいる。
  論文  参考訳（メタデータ） (2025-05-07T17:58:25Z)
• Structural damage detection via hierarchical damage information with volumetric assessment [1.4470320778878742]
  構造的健康モニタリング(SHM)は、インフラの安全性と寿命を確保するために不可欠である。 本稿では,これらの課題に対処するためのフレームワークであるGuided-DetNetについて紹介する。 Guided-DetNetの特徴は、GAM(Generative Attention Module)、階層的除去アルゴリズム(Hierarchical Elimination Algorithm)、VCVA(Volumetric Contour Visual Assessment)である。
  論文  参考訳（メタデータ） (2024-07-29T04:33:04Z)
• Lazy Layers to Make Fine-Tuned Diffusion Models More Traceable [70.77600345240867]
  新たな任意の任意配置(AIAO)戦略は、微調整による除去に耐性を持たせる。 拡散モデルの入力/出力空間のバックドアを設計する既存の手法とは異なり,本手法では,サンプルサブパスの特徴空間にバックドアを埋め込む方法を提案する。 MS-COCO,AFHQ,LSUN,CUB-200,DreamBoothの各データセットに関する実証研究により,AIAOの堅牢性が確認された。
  論文  参考訳（メタデータ） (2024-05-01T12:03:39Z)
• Adaptive White-Box Watermarking with Self-Mutual Check Parameters in Deep Neural Networks [14.039159907367985]
  フレージル透かし(Fragile watermarking)は、AIモデルの改ざんを識別する技法である。 従来の手法では、省略のリスク、追加の情報伝達、改ざんを正確に特定できないといった課題に直面していた。 そこで本研究では,改ざんされたパラメータを検出・発見・復元するために,改ざんされたパラメータやビットを検出する手法を提案する。
  論文  参考訳（メタデータ） (2023-08-22T07:21:06Z)
• 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)
• Towards Reducing Labeling Cost in Deep Object Detection [61.010693873330446]
  本稿では,検知器の不確実性と頑健性の両方を考慮した,アクティブラーニングのための統一的なフレームワークを提案する。 提案手法は, 確率分布のドリフトを抑えながら, 極めて確実な予測を擬似ラベル化することができる。
  論文  参考訳（メタデータ） (2021-06-22T16:53:09Z)
• Improving Face Recognition by Clustering Unlabeled Faces in the Wild [77.48677160252198]
  極値理論に基づく新しいアイデンティティ分離法を提案する。 重なり合うラベルノイズによる問題を大幅に低減する。 制御された設定と実際の設定の両方の実験は、我々のメソッドの一貫性のある改善を示している。
  論文  参考訳（メタデータ） (2020-07-14T12:26:50Z)

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。