研究人員說,他們已經設計了可以執行實時指紋生物識別檢測的輕型軟件。
葡萄牙和加拿大在中國工作的科學家團隊說,他們的方法需要較短的培訓,並且參數少於以前的方法。
據報導,研究人員將廣泛的學習系統(BLS)應用於指紋檢測,他們說的是以前從未做過的事情,而不需要GPU培訓。
BLS提高了性能和適用性檢測算法 在移動設備上,他們聲稱。身份驗證可以遵循積極的檢測。
一個紙關於他們的工作描述了一個三步的過程。
第一步,從印刷中提取了感興趣的區域,並剝離了噪音。然後,使用統一的本地二進製圖案(或ULBP)作為BLS輸入來構建可區分的紋理特徵。
描述符最大程度地減少了提交的指紋生物識別功能中各種二進制模式的多樣性,同時保留對檢測至關重要的信息。
最後,提取的功能轉到BLS進行培訓。 BLS是一個平坦的網絡,它將映射功能的原始輸入放在功能註釋中。根據論文,這將增強節點中的結構概括。
研究人員說,競爭深度學習方法的方法是解決方法中的缺點。
由於存儲和功率限制,移動設備無法操作所需的複雜神經網絡算法。卷積神經網絡模型產生了太多的參數,無法進行有效的培訓。