論文の概要: Iterative Framework For Data Augmentation Of Segmented Fingerprints

• arxiv url: http://arxiv.org/abs/2605.31001v1
• Date: Fri, 29 May 2026 08:34:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-01 20:56:50.476483
• Title: Iterative Framework For Data Augmentation Of Segmented Fingerprints
• Title（参考訳）: セグメント化されたフィンガープリントのデータ拡張のための反復的フレームワーク
• Abstract要約: 本稿では, 指紋の尾根や谷の抽出を訓練した畳み込みニューラルネットワークにおいて, 誤りを誘発することにより, セグメント化指紋の多様な変種を生成する新しいデータ拡張手法を提案する。 実際の幼児の指紋に対する実験は、指紋の多様性を拡大する手法の有効性を示す。 将来の研究には、提案フレームワークによって強化されたデータセットを使用して、トレーニングセグメンテーションとマッチングニューラルネットワークが含まれる。
• 参考スコア（独自算出の注目度）: 2.463446729826883
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Infant biometrics presents unique challenges due to the physiological differences between infants and adults, compounded by the scarcity of available data for research that limits the development of robust matching systems. This paper proposes a novel data augmentation method that uses iterative techniques to generate diverse variants of segmented fingerprints by inducing errors in a convolutional neural network trained to extract fingerprint ridges and valleys. Experiments on real infant fingerprints demonstrate the method's effectiveness in expanding fingerprint variability, with augmentations exhibiting significant fluctuations in minutiae counts while still retaining visual similarity to the originals. The study also highlights the method's customizable nature for applying varying levels of changes to fingerprint segmentations. Future research includes training segmentation and matching neural networks using datasets augmented by the proposed framework.
• Abstract（参考訳）: 幼児の生体計測学は、乳幼児と成人の生理的差異により、頑健なマッチングシステムの開発を制限する研究のために利用可能なデータの不足が原因で、独特な課題を呈している。 本稿では,指紋の尾根や谷を抽出するよう訓練された畳み込みニューラルネットワークにおいて,誤りを誘発することにより,反復的手法を用いて多様なセグメント化指紋を生成する新しいデータ拡張手法を提案する。 実際の幼児の指紋に対する実験では、指紋の多様性を拡大する手法の有効性が示され、増量によって栄養素の数が著しく変動する一方で、元のものと視覚的類似性が保たれている。 この研究は、指紋のセグメンテーションに様々なレベルの変化を加える方法のカスタマイズ性も強調している。 将来の研究には、提案フレームワークによって強化されたデータセットを使用して、トレーニングセグメンテーションとマッチングニューラルネットワークが含まれる。

関連論文リスト

• Intra-finger Variability of Diffusion-based Latent Fingerprint Generation [35.645082991821155]
  本研究の主な目的は, 最先端拡散モデルを用いて生成した合成指紋の指内変動性を評価することである。 我々は,包括的構築による生成モデルの潜在スタイルの多様性の向上に焦点をあてる。 textitlatentスタイルバンクは 7つの多様なデータセットから作成されました また,生成した印象における指紋の隆起と微妙さの整合性を理解するための半自動フレームワークも実装した。
  論文  参考訳（メタデータ） (2026-04-11T05:24:23Z)
• A large-scale operational study of fingerprint quality and demographics [38.25423842010087]
  性別、年齢、指型などの特定の要因が指紋品質に与える影響を理解する十分な証拠は残っていない。 本研究は、約16,000人の被験者の10プリントインプレッションを含む大規模運用データのデータベース上で、まだ研究中の課題に対処する。
  論文  参考訳（メタデータ） (2024-09-30T06:30:33Z)
• Causality-based Subject and Task Fingerprints using fMRI Time-series Data [8.268840872881213]
  本稿では,「因果指紋」の概念を開拓し,定量化する。 実験結果と非因果性に基づく手法との比較により,提案手法の有効性が示された。 我々の研究は、健康管理と神経変性疾患の両方に適用可能な因果指紋のさらなる研究の道を開く。
  論文  参考訳（メタデータ） (2024-09-26T21:10:50Z)
• Universal Fingerprint Generation: Controllable Diffusion Model with Multimodal Conditions [25.738682467090335]
  GenPrintは、アイデンティティを維持しながら、さまざまなタイプの指紋画像を生成するためのフレームワークである。 GenPrintはトレーニングデータセットのみからスタイル特性を複製することに限定されていない。 結果は、生成した画像のアイデンティティ保存、説明可能な制御、普遍性の観点から、GenPrintの利点を実証する。
  論文  参考訳（メタデータ） (2024-04-21T23:01:08Z)
• DiffFinger: Advancing Synthetic Fingerprint Generation through Denoising Diffusion Probabilistic Models [0.0]
  本研究では,Denoising Diffusion Probabilistic Models (DDPMs) を用いた合成指紋画像の生成について検討する。 以上の結果から,DiffFingerは高品質なトレーニングデータセットと競合するだけでなく,よりリッチなバイオメトリックデータも提供し,真から生への多様性を反映していることがわかった。
  論文  参考訳（メタデータ） (2024-03-15T14:34:29Z)
• 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)
• Multimodal Adaptive Fusion of Face and Gait Features using Keyless attention based Deep Neural Networks for Human Identification [67.64124512185087]
  歩行のような軟式生体認証は、人物認識や再識別といった監視作業において顔に広く使われている。 本稿では,キーレス注意深層ニューラルネットワークを活用することで,歩行と顔のバイオメトリック・キューを動的に組み込むための適応型マルチバイオメトリック・フュージョン戦略を提案する。
  論文  参考訳（メタデータ） (2023-03-24T05:28:35Z)
• 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)
• ProxyFAUG: Proximity-based Fingerprint Augmentation [81.15016852963676]
  ProxyFAUGはルールベースで近接性に基づく指紋増強法である。 このデータセット上で最高のパフォーマンスの測位法は、中央値エラーで40%改善され、平均誤差で6%向上した。
  論文  参考訳（メタデータ） (2021-02-04T15:59:30Z)
• Artificial Fingerprinting for Generative Models: Rooting Deepfake Attribution in Training Data [64.65952078807086]
  光現実性画像生成は、GAN(Generative Adversarial Network)のブレークスルーにより、新たな品質レベルに達した。 しかし、このようなディープフェイクのダークサイド、すなわち生成されたメディアの悪意ある使用は、視覚的誤報に関する懸念を提起する。 我々は,モデルに人工指紋を導入することによって,深度検出の積極的な,持続可能なソリューションを模索する。
  論文  参考訳（メタデータ） (2020-07-16T16:49:55Z)
• 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。