Nov, 2023

基于本地化深度表示的指纹匹配

PDF
TL;DR与图纹型指纹表示相比，固定长度的表示因其简单和高效的匹配而具有吸引力。然而，当匹配不同可见区域的指纹时，固定长度的指纹表示在准确度上存在限制。为了解决这个问题，我们提出了一种名为 LDRF 的局部深度指纹表示。LDRF 通过关注局部区域内的区分特征，为具有不同可见区域的指纹提供了更加稳健和准确的固定长度表示。LDRF 可以适应保留在任何有效区域内的信息，具有高度的灵活性。LDRF 产生的匹配分数还展现出直观的统计特性，因此我们提出了一种匹配分数归一化技术来减轻在非常小的重叠区域情况下的不确定性。通过这种新技术，即使数据库规模迅速增长，我们仍能保持高水准的准确性和可靠性。我们在 21 个数据集上进行的实验结果包含超过 140K 个具有不同手指姿势和印记类型的指纹，表明 LDRF 优于其他固定长度表示，并且对感测技术和印记类型具有鲁棒性。此外，所提出的匹配分数归一化技术在包含超过 5.11 百万个指纹的大规模识别实验中有效降低了错误匹配率（FMR），相较于不进行匹配分数归一化和之前的研究，降低了两个数量级和五个数量级。
fixed-length fingerprint representationsldrfvariable visible areasmatching score normalizationfalse match rate (fmr)
发现论文，激发创造
  • 隐形指纹识别：本地和全局嵌入的融合

    本研究结合全局特征嵌入和局部特征嵌入，以实现高通量的隐性指纹识别和较高的识别准确率，其中局部特征用于指导全局特征以关注比较中的区分性区域。

    Apr, 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

  • 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

  • 潜指纹识别的对偶关系建模

    研究使用混合深度网络建立两个指纹间相似性特征直接模型的方法，得到的结果在两个数据集上均优于现有技术。

    Jul, 2022

  • 磁共振指纹成像的深度学习几何

    本文提出了一种基于深度学习的 MRF-Net 方法，通过减少维度并使用层级匹配滤波器，可以在不使用字典匹配的情况下，高效地重建定量磁共振图，并且减少了存储和计算需求。

    Sep, 2018

  • 深度无年龄差异指纹分割系统

    本文提出了一种基于深度学习的算法，用于精确定位和标记斜向和过度旋转的掌纹影像中的指纹，并通过在新数据集上的训练证明此算法在不同年龄组的掌纹影像中均具有不变性，并在成年人和儿童主体的正常和旋转图像的综合数据集中，实现了 97.17％的匹配准确度，表现优于现有的系统。

    Mar, 2023

  • 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

  • LFFD：一款适用于边缘设备的轻量快速人脸检测器

    本文提出了一种针对边缘设备的轻量级和高速人脸检测器，其方法是基于无锚点的一阶段检测，通过重新考虑感受野和有效感受野（ERF）之间的关系来实现多尺度的连续人脸检测。综合实验结果表明，该方法在多个数据集上取得了更高的准确度和更快的推断速度。

    Apr, 2019

  • 从单一指纹图像回归密集失真场

    本文提出了一种基于自我参考的网络方法，用于直接估计各种手指姿势和扭曲模式下扭曲指纹的密集扭曲场，实验证明该方法在扭曲场估计和校正指纹匹配方面达到了最先进的性能。

    Apr, 2024

  • LoFTR: 基于 Transformer 的无检测器局部特征匹配

    本文提出了一种新的局部图像特征匹配方法，使用 Transformer 的自注意层和交叉注意层得出特征描述符，在低纹理区域中实现稠密匹配，在室内和室外数据集上表现优异，成为视觉定位的新的 state-of-the-art 方法。

    Apr, 2021