Fingerprint Classification Using Convolutional Neural Network Algorithm and Evaluation of Classification Efficiency

Year 2025, Volume: 15 Issue: 2, 44 - 66, 31.12.2025

Erol Terzi , Uğur Resul Can

Abstract

Fingerprint classification using the convolutional neural network algorithm, a machine learning sub-unit, is currently performed with high performance using special algorithms trained with millions of fingerprint samples. These algorithms require a very large amount of training data for the training process, and obtaining such a large amount of data is problematic. In this study, which addresses a classification problem, some of the studies conducted on fingerprint classification were examined, and an algorithm whose layers we created using the Python programming language was trained on a small dataset containing 4,000 classified fingerprint types published by the National Institute of Standards and Technology (NIST) Special Database (SD4), a small dataset containing 4,000 classified fingerprint types published by the U.S. National Institute of Standards and Technology (NIST). The effects of hyperparameters on classification metrics were examined and reported.

Keywords

Machine Learning , Convolutional Neural Networks , CNN , Deep Learning , Fingerprint Classification , Artificial Neural Networks

Evrişimsel Sinir Ağları Algoritması Kullanılarak Parmak İzi Sınıflandırılması ve Sınıflandırma Verimliliğinin Değerlendirilmesi

Abstract

Bir makine öğrenmesi alt birimi olan evrişimsel sinir ağları algoritması kullanılarak parmak izi sınıflandırması günümüzde milyonlarca parmak izi örneği ile eğitilmiş özel algoritmalar yardımıyla yüksek performans ile gerçekleştirilmektedir. Bu algoritmalar, eğitim süreci için oldukça yüksek miktarda eğitim verisi gerektirdiği ve bu miktarda verinin elde edilmesi problemli olduğundan; bir sınıflandırma probleminin ele alındığı bu çalışmada parmak izi sınıflandırılması üzerine yapılan çalışmalardan bazıları ele alınarak incelenmiş ve katmanlarını Python programlama dili yardımıyla oluşturduğumuz bir algoritma, NIST Special Database (SD4), ABD Ulusal Standartlar ve Teknoloji Enstitüsü (NIST) tarafından yayınlanan 4000 adet sınıflandırılmış parmak izi türü içeren küçük bir veri kümesi üzerinde eğiterek sınıflandırma performansı ölçülmüş ve hiperparametrelerin sınıflandırma metrikleri üzerindeki etkileri incelenip raporlanmıştır.

Keywords

Makine Öğrenimi , Evrişimsel Sinir Ağları , CNN , Derin Öğrenme , Parmak İzi Sınıflandırması , Yapay Sinir Ağları

Thanks

Derginizde yayınlanmak üzere gönderdiğimiz makalemizin değerlendirilmesini bilgilerinize arz eder, çalışmalarınızda kolaylıklar dileriz.

References

• Andriy Burkov. (2019). The Hundred-Page Machine Learning Book. Andriy Burkov.
• Aurelien Geron. (2020). Hands-On Machine Learning with Scikit-Learn, Keras & TensorFlow. O’Reilly Media.
• Cilpa Chinnappan, Dr. R Porkodi (2021). Fingerprint Recognition Technology Using Deep Learning: A Review, International Journal of Creative Research Thoughts (IJCRT), ISSN: 2320-2882, pp. 4647-4663.
• CNN Architecture, (2024). CNN – Definition, Architecture, Types, Application, and more https://analytixlabs.co.in/blog/convolutional-neural-network
• Fingerprint. (ziyaret: 15 06.2025). https://en.wikipedia.org/wiki/Fingerprint#History
• Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep learning. MIT Press.
• Huang,P., C.Wen, L.Fu, Q. Peng, Y, Tang, (2020). A deep learning approach for multi-attribute data: A study of train delay prediction in railway systems.
• Jain, A. K., Flynn, P., & Ross, A. A. (2007). Handbook of Biometrics. Springer Science & Business Media.
• İrtem, P. (2020). Parmak İzi Analizinde Derin Öğrenme. (Yayınlanmamış yüksek lisans tezi). İzmir Yüksek Teknoloji Enstitüsü, İzmir.
• Loffe, S., & Szegedy, C. (2015). Batch normalization: Accelerating deep network training by reducing internal covariate shift. International Conference on Machine Learning, 448-456.
• Maltoni, D., Maio, D., Jain, A. K., & Prabhakar, S. (2009). Handbook of Fingerprint Recognition. Springer Science & Business Media.
• NIST SD4 veri seti. (2008). https://www.nist.gov/publications/nist-special-database-4-nist-8-bit-gray-scale-images-fingerprint-image-groups
• Öztemel. E., (2003). Yapay Sinir Ağları. Papatya Yayıncılık.
• Teuwen. J., N. Moriakova, (2020). CNN Reading Material, Elsevier.