11K Hands：利用大规模手部图像数据集进行性别识别与生物特征识别
计算机视觉与模式识别
2018-09-18 v9
摘要
人手具有可揭示性别信息的独特特征。此外，手被认为是用于识别个人的主要生物特征之一。在这项工作中，我们提出了一个包含人手图像（手背与手掌面）的大规模数据集，并带有用于性别识别与生物特征识别的详细真值信息。利用该数据集，可以有效地训练卷积神经网络（CNN）以完成性别识别任务。基于此，我们设计了一个双流CNN来解决性别识别问题。随后，该训练好的模型被用作特征提取器，为一组合支持向量机分类器提供输入，以完成生物特征识别任务。我们表明，由普通数码相机拍摄的手背图像所传达的有效区分特征，即便不优于手掌图像中的可用特征，也与之相似。为便于访问所提出的数据集并复现我们的实验，数据集、训练好的CNN模型以及Matlab源代码可在 (https://goo.gl/rQJndd) 获取。
引用
@article{arxiv.1711.04322,
title = {11K Hands: Gender recognition and biometric identification using a large dataset of hand images},
author = {Mahmoud Afifi},
journal= {arXiv preprint arXiv:1711.04322},
year = {2018}
}