研究人员开发了一种通过分析具有不同伪影提取难度（AED）的区域来检测假指纹的新方法。他们提出的级联伪造挖掘网络（CFM-Net）使用局部Gabor特征确定性来划分指纹图像，并自适应地从这些区域提取特征。还引入了一个方向引导对抗训练（OGAT）模块来保留伪影证据，同时过滤掉身份信息。在LivDet数据集上的实验表明，CFM-Net的性能优于现有方法，尤其是在具有高AED的指纹上。 AI
影响 这项研究通过提高检测复杂指纹欺骗企图的准确性，有可能增强生物识别系统的安全性。
排序理由 该集群包含一篇详细介绍特定计算机视觉任务新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Cascade Forgery Mining Network
- CFM-Net
- Fingerprint Presentation Attack Detection
- Gábor
- LivDet
- Ogata
- Orientation Guided Adversarial Training
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
