基于深度学习的野外非接触式掌纹人体检测与识别框架
计算机视觉与模式识别
2019-01-01 v1
摘要
非接触式在线掌纹识别提升了用户便利性、卫生性和用户安全性，并且在一系列应用中备受青睐。本技术报告详述了一种准确且可泛化的基于深度学习的框架，用于在野外使用非接触式掌纹图像检测和识别人体。我们的网络基于全卷积网络，生成深度学习的残差特征。我们设计了一种软偏移三元组损失函数，以更有效地学习判别性掌纹特征。在线掌纹识别还需要一个非接触式手掌检测器，其由faster-R-CNN架构适配并训练，以在变化背景下检测掌纹区域。我们在公开可用的非接触式掌纹数据库上可复现的实验结果表明，所提出的框架持续优于几种经典和最先进的掌纹识别方法。更重要的是，与文献中其他流行方法不同，本报告中提出的模型具有优越的泛化能力，因为它本质上不需要特定数据库的参数调优，这也是相对于文献中其他方法的另一关键优势。
引用
@article{arxiv.1812.11319,
title = {A Deep Learning based Framework to Detect and Recognize Humans using Contactless Palmprints in the Wild},
author = {Yang Liu and Ajay Kumar},
journal= {arXiv preprint arXiv:1812.11319},
year = {2019}
}