Fingerprint reconstruction using a convolutional generative adversarial model

"Los sistemas biométricos registran las huellas digitales en plataformas digitales para permitir que gobiernos y organizaciones tengan una forma estructurada y confiable de identificar personas. En algunos casos, factores no controlados tanto en los procesos de inscripción como de verificación hacen que los sistemas biométricos obtengan huellas digitales de baja calidad. Por lo tanto, el rendimiento de la identificación automática disminuye y el trabajo de los dactiloscopistas se vuelve más difícil. Este artículo describe la implementación de un modelo generativo adversarial que realiza la reconstrucción de imágenes de huellas digitales usando Tensor Flow. La mejora de huellas dactilares aumenta la correcta extracción de características de huellas dactilares llamadas minucias que son el centro de los algoritmos de identificación. Se utilizó un framework biométrico de código abierto llamado NBIS para medir la efectividad del modelo en términos de precisión de coincidencia y calidad de imagen." -- Tomado del formato de documento de grado

• Autores: Andrade Hernández, Cristian Yesid
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2020
• Institución: Universidad de los Andes
• Repositorio: Séneca: repositorio Uniandes
• Idioma: eng
• OAI Identifier: oai:repositorio.uniandes.edu.co:1992/49312
• Acceso en línea: http://hdl.handle.net/1992/49312
• Palabra clave: Reconocimiento óptico de modelos; Sistemas de reconocimiento de configuraciones; Aprendizaje automático (Inteligencia artificial); Dactiloscopia; Redes neurales (Computadores); Ingeniería
• Rights: openAccess
• License: https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf