Dec, 2017

鲁棒指纹细节提取器：深度网络和指纹领域知识的集成

PDF
TL;DR提出了一种名为 MinutiaeNet 的全自动细节提取器，基于深度神经网络，采用紧凑特征表示，用于快速比较细节集。使用指纹领域知识和深度网络的结合，改善了细节检测的准确性，实验结果表明，MinutiaeNet 对 NIST SD27 和 FVC 2004 数据集上的细节集进行了更高精度和召回率的检测。该方法将有助于培训基于网络的指纹匹配算法，以及在大规模测量指纹个性时进行指纹分析。
minutiae extractorneural networksfingerprintprecisionrecall
发现论文，激发创造
  • FingerNet：用于指纹细节提取的统一深度网络

    本文提出一种基于深度学习卷积神经网络的指纹细节提取新方法， 包含了传统方法的优点，并集成在一个统一的网络中，改善了涉及复杂背景噪声的潜在指纹提取。实验表明该算法优于现有的指纹细节提取算法。

    Sep, 2017

  • 密集细节点描述的潜指纹匹配

    本研究提出了一种基于深度学习的密集细节点描述器（DMD）用于潜指纹匹配，提高了性能并实现了与以往方法相比更具代表性和可解释性。

    May, 2024

  • 用于潜在指纹重建的生成卷积网络

    利用生成卷积网络对指纹进行去噪和缺失图案预测的方法，作为指纹识别前的预处理步骤，能够显著降低 false positive 和 false negative 检测率，并可与多种标准特征提取方法结合使用，如 MINDTCT，MCC，BOZORTH3 等，本方法在使用不同传感器捕获的多个公开指纹数据集上进行了测试。

    May, 2017

  • 融合细节点圆柱码和细节点修饰嵌入的潜指纹识别

    通过融合手工特征和深度神经网络嵌入特征的多层次融合方法，提出的方法在潜在指纹识别中显著提高了真实数据集的排名 - 1 识别准确率。

    Mar, 2024

  • 使用数据增强方法训练一个小区域指纹识别深度神经网络，使用正常指纹数据库

    本研究提出了一种数据增强的方法，用于训练基于深度神经网络的小区域指纹识别模型，并经测试验证其有效性。

    Mar, 2022

  • 基于 M-Net 卷积神经网络的指纹图像去噪和修复

    使用端到端可训练的卷积神经网络 FPD-M-net，将指纹去噪和修复问题作为分割任务，以结构相似度损失函数为基础，从噪声背景中更好地提取指纹，并在 Chalearn LAP 修复竞赛的第三轨道中排名第 3。

    Dec, 2018

  • Finger-UNet：一种基于 U-Net 的深度指纹增强多任务架构

    研究通过改进编码器 - 解码器风格架构，使用离散小波变换和多任务学习提高指纹识别和增强技术。

    Oct, 2023

  • FingerGAN: 一种基于约束的指纹生成方案，用于潜在指纹增强

    本文提出一种名为 FingerGAN 的基于生成对抗网络（GAN）框架下的潜在指纹增强方法，并通过两个公共潜在指纹数据库的实验结果表明其性能显著优于现有最优方法。

    Jun, 2022

  • MRA-GNN: 指纹嵌入的基于图神经网络的细节点关系感知模型

    通过引入 Minutiae Relation-Aware model over Graph Neural Network（MRA-GNN）等技术，该研究论文提出了一种新的指纹嵌入方法，成功地利用了指纹的拓扑和相关性等非结构化信息，达到了优于当前技术的结果。

    Jul, 2023

  • 跨不同嵌入尺寸和传感器类型基准测试固定长度指纹表示

    本文旨在探讨使用深度神经网络提取固定长度嵌入的纹理信息，以减少指纹图像比对中的计算量，并研究不同传感器类型和指纹图像旋转平移对指纹嵌入提取的影响，实验结果表明，纹理嵌入 512 个特征元素为最佳选择，不同传感器类型表现存在差异。

    Jul, 2023