AFR-Net：注意力驱动的指纹识别网络
计算机视觉与模式识别
2022-12-06 v2
摘要
与其他深度学习方法相比，视觉Transformer（ViT）由于有限的归纳偏置（如局部性、权值共享等）和更强的可扩展性，在计算机视觉中的使用日益增多。这引发了若干将ViT用于生物特征识别（包括指纹识别）的初步研究。在本工作中，我们针对指纹识别中Transformer的初步研究进行了改进：i.) 评估了额外的基于注意力的架构，ii.) 扩展到更大且更多样的训练与评估数据集，iii.) 结合基于注意力与基于CNN的嵌入的互补表示，以实现改进的最先进（SOTA）指纹识别（包括认证与辨识）。我们提出的组合架构 AFR-Net（Attention-Driven Fingerprint Recognition Network，注意力驱动的指纹识别网络）在传感器内、跨传感器以及潜指纹到滚动指纹匹配数据集上，优于多个基线Transformer和基于CNN的模型，包括SOTA商业指纹系统 Verifinger v12.3。此外，我们提出了一种重对齐策略，利用从网络内部中间特征图提取的局部嵌入来细化全局嵌入以应对低置信度情形，该策略显著提升了各模型的整体识别准确率。该重对齐策略无需额外训练，并可作为一种封装器应用于任何现有深度学习网络（包括基于注意力的、基于CNN的或两者兼具）以提升其性能。
引用
@article{arxiv.2211.13897,
title = {AFR-Net: Attention-Driven Fingerprint Recognition Network},
author = {Steven A. Grosz and Anil K. Jain},
journal= {arXiv preprint arXiv:2211.13897},
year = {2022}
}