MétaCan
Menu
Retour à la cohorte
Enregistrement W2567896738 · doi:10.1167/16.12.1404

Psychophysics of Fingerprint Identification

2016· article· en· W2567896738 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Vision · 2016
Typearticle
Langueen
DomaineComputer Science
ThématiqueBiometric Identification and Security
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésArtificial intelligencePattern recognition (psychology)Similarity (geometry)Computer scienceIdentification (biology)Fingerprint (computing)Stimulus (psychology)Matching (statistics)MathematicsStatisticsImage (mathematics)Psychology

Résumé

récupéré en direct d'OpenAlex

Despite popular misconceptions, crime-scene fingerprint identification is not an automated process. Instead, human examiners must visually match latent fingerprints collected from crime scenes to references from potential suspects. Past research has indicated an effect of source finger type on accuracy when identifying fingerprints. However, it is unknown whether this effect is due to differences in the information each digit provides, or how that information is processed. Therefore we conducted an experiment to investigate the influence of source finger type, image similarity, and level of available stimulus information on response accuracy in a same-different task that required naive subjects to indicate whether pairs of latent and reference fingerprints matched. Latent fingerprints were processed using principle component analysis to vary the amount of stimulus information, that is, the percentage of variance explained in each image when compared to the fingerprint eigenspace. To determine the effect of image similarity, non-matching reference prints were of either low or high cosine similarity to latents. Our findings replicated those of previous studies, demonstrating that identification accuracy depends on source finger type and image similarity, and that no digit/similarity interaction was present. Higher accuracy was associated with the thumb, middle digit, and dissimilar images, while that for the little finger was lower. Signal detection analyses revealed a positive linear relationship between identification accuracy and the percentage of variance accounted for in latent prints. We also found an overall negative relationship between accuracy and response time, and that the accuracy/RT relation depends on the source digit and amount of stimulus information. Currently we are conducting experiments examining the effects of image quality on response accuracy. However, preliminary evidence suggests that the effect of digit on accuracy is due to differences in how fingerprints are processed, rather than the information each digit provides. Meeting abstract presented at VSS 2016

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,808
Score d'incertitude au seuil0,094

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,017
Tête enseignante GPT0,301
Écart entre enseignants0,285 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle