任意分辨率下的自适应深度虹膜特征提取器
计算机视觉与模式识别
2024-07-15 v2
摘要
本文提出了一种用于任意分辨率下虹膜识别的深度特征提取器。分辨率退化会降低由高分辨率图像训练的深度学习模型的识别性能。使用多种分辨率图像进行训练可以提高模型的鲁棒性，但会牺牲高分辨率图像的识别性能。为了在各种分辨率下实现更高的识别性能，我们提出了一种具有自动切换网络的分辨率自适应特征提取方法。我们的框架包含针对不同分辨率退化（包括下采样和离焦模糊）而专门设计的分辨率专家模块。该框架根据输入图像的退化条件自动切换这些模块。低分辨率专家通过从高分辨率专家进行知识蒸馏来训练，使得两个专家都能提取共同的身份特征。我们将我们的框架应用于三种常规神经网络模型。实验结果表明，我们的方法在低分辨率下增强了常规方法的识别性能，同时保持了其在高分辨率下的性能。
引用
@article{arxiv.2407.08341,
title = {Adaptive Deep Iris Feature Extractor at Arbitrary Resolutions},
author = {Yuho Shoji and Yuka Ogino and Takahiro Toizumi and Atsushi Ito},
journal= {arXiv preprint arXiv:2407.08341},
year = {2024}
}