diplomsko delo
Lara Anžur (Avtor), Peter Peer (Mentor), Tim Oblak (Komentor)

Povzetek

Prstni odtisi so izjemno zanesljiv način identifikacije posameznikov v forenziki, saj so edinstveni in trajni. Klasične metode prepoznave prstnih odtisov, ki uporabljajo strojno učenje, se pogosto soočajo z izzivi pri obdelavi nizkokakovostnih primerov, kar zahteva asistenco forenzikov. Vedno bolj priljubljena postaja uporaba globokega učenja, ki odpravlja nekatere od omejitev klasičnih metod, vendar je na tem področju še vedno razvitih premalo rešitev. V tej diplomski nalogi smo razvili model, ki temelji na siamskih nevronskih mrežah (SNN) v kombinaciji z arhitekturo ResNet34, kar nam je omogočilo učinkovito primerjavo prstnih sledi v latentnem prostoru. Osnovni model smo dodatno izboljšali z integracijo prostorskih transformatorskih mrež (STN), ki zagotavljajo rotacijsko invariantnost, ter z vključitvijo domenskega znanja o minucijah, s čimer smo v proces dodali dodatne relevantne informacije. Metode smo ovrednotili na več javno dostopnih podatkovnih zbirkah, pri čemer je naš model dosegel višjo stopnjo natančnosti v primerjavi z nekaterimi klasičnimi metodami, kar potrjuje tudi perspektivnost globokega učenja na področju identifikacije prstnih sledi.

Ključne besede

iskanje ujemanj prstnih sledi;identifikacija;siamske nevronske mreže;prostorske transformatorske mreže;trojna izguba;univerzitetni študij;diplomske naloge;

Podatki

Jezik: Slovenski jezik
Leto izida:
Tipologija: 2.11 - Diplomsko delo
Organizacija: UL FRI - Fakulteta za računalništvo in informatiko
Založnik: [L. Anžur]
UDK: 004.93:57.087.1(043.2)
COBISS: 209149443 Povezava se bo odprla v novem oknu
Št. ogledov: 104
Št. prenosov: 54
Ocena: 0 (0 glasov)
Metapodatki: JSON JSON-RDF JSON-LD TURTLE N-TRIPLES XML RDFA MICRODATA DC-XML DC-RDF RDF

Ostali podatki

Sekundarni jezik: Angleški jezik
Sekundarni naslov: Fingerprint recognition using deep learning
Sekundarni povzetek: Fingerprints are an extremely reliable method of identifying individuals in forensic science, as they are unique and permanent. Classical fingerprint recognition methods that use machine learning often face challenges when processing low-quality samples, which requires forensic experts' assistance. The use of deep learning, which overcomes some of the limitations of classical methods, is becoming increasingly popular, but there are still too few developed solutions in this field. In this thesis, we developed a model based on Siamese neural networks (SNN) combined with the ResNet34 architecture, enabling us to efficiently compare fingerprints in latent space. We further enhanced the basic model by integrating spatial transformer networks (STN), which ensure rotational invariance, and incorporating domain knowledge about minutiae, adding additional relevant information to the process. We evaluated the methods on several publicly available datasets, where our model achieved a higher level of accuracy compared to some classical methods, confirming the potential of deep learning in the field of fingerprint identification.
Sekundarne ključne besede: fingermark matching;identification;deep learning;Siamese neural networks;spatial transformer network;triplet loss;computer and information science;diploma;Biometrična identifikacija;DNK prstni odtis;Globoko učenje (strojno učenje);Računalništvo;Univerzitetna in visokošolska dela;
Vrsta dela (COBISS): Diplomsko delo/naloga
Študijski program: 1000468
Konec prepovedi (OpenAIRE): 1970-01-01
Komentar na gradivo: Univ. v Ljubljani, Fak. za računalništvo in informatiko
Strani: 1 spletni vir (1 datoteka PDF (52 str.))
ID: 24892309