Classificação automática de impressões digitais em tipos de Henry-Vucetich com o uso de redes neurais artificiais e informações de incerteza.

Detalhes bibliográficos
Autor(a) principal: Silva, Luciano Moreno da
Data de Publicação: 2003
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: https://www.teses.usp.br/teses/disponiveis/3/3142/tde-17102024-100059/
Resumo: Nos últimos anos muitos grupos de pesquisa têm-se dedicado a um importante problema: os sistemas de identificação automática de impressões digitais em banco de dados extensos. Como parte desse problema, a classificação de impressões digitais visa fornecer um esquema de indexação que aumenta a eficiência na comparação de impressões digitais. O principal propósito desse texto foi desenvolver uma nova abordagem que permitisse um aumento de desempenho na classificação de impressões digitais com o uso de redes neurais artificiais (ANN). O mapa direcional é o expediente mais comum na classificação automática da impressão digital: ele diminui informações redundantes enquanto preserva as informações globais da impressão. Muitos métodos têm sido propostos para a extração de mapas direcionais. Alguns deles fornecem uma informação adicional que permite avaliar a confiabilidade do mapa direcional. Todavia, esse mapa de confiança é, em geral, ignorado. Nossa abordagem combina a informação de incerteza contida no mapa de confiança e o processo de aprendizagem inerente da rede neural. Mostramos, com isso, que essa informação adicional pode melhorar o desempenho do classificador.
id USP_28b12b6006b06fa4fbbc3de580788448
oai_identifier_str oai:teses.usp.br:tde-17102024-100059
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling Classificação automática de impressões digitais em tipos de Henry-Vucetich com o uso de redes neurais artificiais e informações de incerteza.Untitled in englishBiometriaBiometricsImage processingNeural networksPattern recognitionProcessamento de imagensReconhecimento de padrõesRedes neuraisNos últimos anos muitos grupos de pesquisa têm-se dedicado a um importante problema: os sistemas de identificação automática de impressões digitais em banco de dados extensos. Como parte desse problema, a classificação de impressões digitais visa fornecer um esquema de indexação que aumenta a eficiência na comparação de impressões digitais. O principal propósito desse texto foi desenvolver uma nova abordagem que permitisse um aumento de desempenho na classificação de impressões digitais com o uso de redes neurais artificiais (ANN). O mapa direcional é o expediente mais comum na classificação automática da impressão digital: ele diminui informações redundantes enquanto preserva as informações globais da impressão. Muitos métodos têm sido propostos para a extração de mapas direcionais. Alguns deles fornecem uma informação adicional que permite avaliar a confiabilidade do mapa direcional. Todavia, esse mapa de confiança é, em geral, ignorado. Nossa abordagem combina a informação de incerteza contida no mapa de confiança e o processo de aprendizagem inerente da rede neural. Mostramos, com isso, que essa informação adicional pode melhorar o desempenho do classificador.Over the last few years many research groups have focused on an important problem: the automatic fingerprint identification systems in large databases. As part of this problem, the fingerprint classification aims to produce an indexation strategy that increases the system\'s efficiency when performing fingerprint comparison. The main objective of this text is to present a novel method that allows an improvement in the fingerprint classification performance with the help of artificial neural networks (ANN). The directional map is the most common tool in the fingerprint classification task. It reduces redundant information while preserving the fingerprint global information. Many methods have been proposed for the extraction of directional maps. Some of them give additional information that allows the map\'s confidence. In spite of that, this confidence map is, as a general rule, ignored. Our approach to the subject combines the uncertainty information contained in the confidence map and the artificial neural network intrinsic learning process. Based on this, we show that this additional information improves the classifier performance.Biblioteca Digitais de Teses e Dissertações da USPCabral Junior, Euvaldo FerreiraSilva, Luciano Moreno da2003-05-23info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/3/3142/tde-17102024-100059/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2024-10-17T13:29:02Zoai:teses.usp.br:tde-17102024-100059Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212024-10-17T13:29:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Classificação automática de impressões digitais em tipos de Henry-Vucetich com o uso de redes neurais artificiais e informações de incerteza.
Untitled in english
title Classificação automática de impressões digitais em tipos de Henry-Vucetich com o uso de redes neurais artificiais e informações de incerteza.
spellingShingle Classificação automática de impressões digitais em tipos de Henry-Vucetich com o uso de redes neurais artificiais e informações de incerteza.
Silva, Luciano Moreno da
Biometria
Biometrics
Image processing
Neural networks
Pattern recognition
Processamento de imagens
Reconhecimento de padrões
Redes neurais
title_short Classificação automática de impressões digitais em tipos de Henry-Vucetich com o uso de redes neurais artificiais e informações de incerteza.
title_full Classificação automática de impressões digitais em tipos de Henry-Vucetich com o uso de redes neurais artificiais e informações de incerteza.
title_fullStr Classificação automática de impressões digitais em tipos de Henry-Vucetich com o uso de redes neurais artificiais e informações de incerteza.
title_full_unstemmed Classificação automática de impressões digitais em tipos de Henry-Vucetich com o uso de redes neurais artificiais e informações de incerteza.
title_sort Classificação automática de impressões digitais em tipos de Henry-Vucetich com o uso de redes neurais artificiais e informações de incerteza.
author Silva, Luciano Moreno da
author_facet Silva, Luciano Moreno da
author_role author
dc.contributor.none.fl_str_mv Cabral Junior, Euvaldo Ferreira
dc.contributor.author.fl_str_mv Silva, Luciano Moreno da
dc.subject.por.fl_str_mv Biometria
Biometrics
Image processing
Neural networks
Pattern recognition
Processamento de imagens
Reconhecimento de padrões
Redes neurais
topic Biometria
Biometrics
Image processing
Neural networks
Pattern recognition
Processamento de imagens
Reconhecimento de padrões
Redes neurais
description Nos últimos anos muitos grupos de pesquisa têm-se dedicado a um importante problema: os sistemas de identificação automática de impressões digitais em banco de dados extensos. Como parte desse problema, a classificação de impressões digitais visa fornecer um esquema de indexação que aumenta a eficiência na comparação de impressões digitais. O principal propósito desse texto foi desenvolver uma nova abordagem que permitisse um aumento de desempenho na classificação de impressões digitais com o uso de redes neurais artificiais (ANN). O mapa direcional é o expediente mais comum na classificação automática da impressão digital: ele diminui informações redundantes enquanto preserva as informações globais da impressão. Muitos métodos têm sido propostos para a extração de mapas direcionais. Alguns deles fornecem uma informação adicional que permite avaliar a confiabilidade do mapa direcional. Todavia, esse mapa de confiança é, em geral, ignorado. Nossa abordagem combina a informação de incerteza contida no mapa de confiança e o processo de aprendizagem inerente da rede neural. Mostramos, com isso, que essa informação adicional pode melhorar o desempenho do classificador.
publishDate 2003
dc.date.none.fl_str_mv 2003-05-23
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.teses.usp.br/teses/disponiveis/3/3142/tde-17102024-100059/
url https://www.teses.usp.br/teses/disponiveis/3/3142/tde-17102024-100059/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1815256515410395136

Registros relacionados