Vylepšení metod detekce a klasifikace poškození otisku prstu
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
C
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
Cílem této práce je vylepšit stávající metody detekce a klasifikace poškození na snímcích otisků prstů s využitím předchozích prací studentů Vysokého učení technického v Brně. Práce je postavena na třech aplikacích: generátoru čárového poškození (jizvy, vlasy, rýhy), generátoru vlhkosti a aplikaci poskytující více různých modelů pro detekci a klasifikaci poškození otisků prstů. Pro vylepšení byly vybrány tři nejpřesnější modely - Faster-RCNN ResNet50, Faster-RCNN ResNet101 a CenterNet ResNet101. Práce popisuje vytvoření datové sady pomocí nepoškozených syntetických snímků otisků prstů s výše uvedenými uměle zavedenými poškozeními. Snaha o zlepšení přesnosti predikce modelů byla založena na přesnějším anotovaní ohraničujících boxů a úpravě hyperparametrů. Přestože práce přinesla určitá zlepšení, výsledky nejsou konzistentně úspěšné u všech modelů a typů poškození.
This study aims to improve existing methods for detecting and classifying damage in fingerprint images by leveraging previous works conducted by students at Brno University of Technology. The work is built upon three applications: line damage (scars, hairs, creases) generator, moisture generator, and application containing multiple different models for fingerprint damage detection and classification. The three best-performing models - Faster-RCNN ResNet50, Faster-RCNN ResNet101, and CenterNet ResNet101 - were selected for further improvement. The work describes the creation of a dataset using undamaged synthetic fingerprint images, with the aforementioned damages introduced artificially. Efforts to improve the prediction accuracy of the models were based on more accurate annotation of bounding boxes and adjusting the hyperparameters. While the work yielded some improvements, the results are not consistently successful across all models and damage types.
This study aims to improve existing methods for detecting and classifying damage in fingerprint images by leveraging previous works conducted by students at Brno University of Technology. The work is built upon three applications: line damage (scars, hairs, creases) generator, moisture generator, and application containing multiple different models for fingerprint damage detection and classification. The three best-performing models - Faster-RCNN ResNet50, Faster-RCNN ResNet101, and CenterNet ResNet101 - were selected for further improvement. The work describes the creation of a dataset using undamaged synthetic fingerprint images, with the aforementioned damages introduced artificially. Efforts to improve the prediction accuracy of the models were based on more accurate annotation of bounding boxes and adjusting the hyperparameters. While the work yielded some improvements, the results are not consistently successful across all models and damage types.
Description
Citation
FOLTYN, L. Vylepšení metod detekce a klasifikace poškození otisku prstu [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2023.
Document type
Document version
Date of access to the full text
Language of document
en
Study field
Informační technologie
Comittee
doc. Ing. Martin Čadík, Ph.D. (předseda)
doc. Ing. Zdeněk Vašíček, Ph.D. (člen)
Ing. Šárka Květoňová, Ph.D. (člen)
Ing. Filip Orság, Ph.D. (člen)
Ing. Michal Španěl, Ph.D. (člen)
Date of acceptance
2023-06-13
Defence
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm C.
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení