Enhancement-Driven Pretraining for Robust Fingerprint Representation Learning

要約

指紋認識は、本人確認から高度な検索ツールまで、さまざまな用途に使用される生体認証テクノロジーの重要なコンポーネントです。
この論文では、強化ベースの事前トレーニングを活用して、堅牢なフィンガープリント表現を導出する独自の方法を提案します。
U-Net ベースの指紋強化の成果に基づいて、私たちの方法は特殊なエンコーダーを使用して、自己教師付きの方法で指紋画像から表現を導き出します。
私たちはこれらの表現をさらに改良し、検証機能の強化を目指します。
公開されている指紋データセットでテストされた実験結果では、確立された自己教師ありトレーニング手法に対する検証パフォーマンスが著しく向上していることが明らかになりました。
私たちの発見は、私たちの方法の有効性を強調するだけでなく、潜在的な進歩への道を切り開くものでもあります。
重要なことに、私たちの研究は、強化されたサンプルに依存せずに、劣化した画像から意味のある指紋表現を抽出することが可能であることを示しています。

要約(オリジナル)

Fingerprint recognition stands as a pivotal component of biometric technology, with diverse applications from identity verification to advanced search tools. In this paper, we propose a unique method for deriving robust fingerprint representations by leveraging enhancement-based pre-training. Building on the achievements of U-Net-based fingerprint enhancement, our method employs a specialized encoder to derive representations from fingerprint images in a self-supervised manner. We further refine these representations, aiming to enhance the verification capabilities. Our experimental results, tested on publicly available fingerprint datasets, reveal a marked improvement in verification performance against established self-supervised training techniques. Our findings not only highlight the effectiveness of our method but also pave the way for potential advancements. Crucially, our research indicates that it is feasible to extract meaningful fingerprint representations from degraded images without relying on enhanced samples.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google