Original title:
Generování hodnověrných pozadí obrázků latentních otisků prstů
Translated title:
Generation of Authentic Latent Fingerprints Background
Authors:
Gajda, Adam ; Goldmann, Tomáš (referee) ; Kanich, Ondřej (advisor) Document type: Bachelor's theses
Year:
2022
Language:
cze Publisher:
Vysoké učení technické v Brně. Fakulta informačních technologií Abstract:
[cze][eng]
Tato bakalářská práce se zabývá generováním autentických latentních pozadí otisků prstů pomocí hlubokého učení, konkrétněji pomocí podmíněné generativní adversariální sítě a jiných konvenčnějších metod. Tato práce shrnuje základní teoretické informace o biometrii včetně syntetických otisků prstů a úvodu do umělé inteligence. Hlavní model navržený v této práci se nepovedl kvůli nedostatku unikátních trénovacích dat. Byly diskutovány i další možné důvody. Byl tak vyvinut alternativní způsob generování pozadí latentních otisků prstů a po vizuálním vyhodnocení konečných výsledků a reálných dat byl závěr pozitivní.
This bachelor's thesis deals with the generation of authentic latent fingerprint backgrounds, through the use of deep learning, more specifically with the help of conditional generative adversarial network and other more conventional methods. This work summarizes the basic theoretical information about biometrics including synthetic fingerprints and a introduction into artificial intelligence. The main model proposed in this thesis has not come into fruition due to lack of unique training data. Other possible reasons were discussed. Thus an alternative way of generating latent fingerprint backgrounds was developed and after visual evaluation of the final results and real data the conclusion was positive.
Keywords:
CGAN; deep neural networks; generating fingerprint background; latent fingerprint background; CGAN; generování pozadí otisků prstů; hluboké neuronové sítě; pozadí latentních otisků prstů
Institution: Brno University of Technology
(web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library. Original record: http://hdl.handle.net/11012/207218