一种用于指纹分类的无监督深度学习方法：CCAE网络与混合聚类策略
计算机视觉与模式识别
2021-09-14 v1 人工智能
机器学习
摘要
指纹分类是加快指纹匹配过程并提高其准确率的一种重要且有效的方法。传统的监督方法需要大量预标注数据，因而耗费巨大的人力资源。本文提出一种新颖高效的无监督深度学习方法，能够自动提取指纹特征并分类指纹纹型。该方法中，使用一种名为约束卷积自编码器（constraint convolutional auto-encoder, CCAE）的新模型提取指纹特征，并采用混合聚类策略获得最终簇。在NIST-DB4数据集上的一组实验表明，所提出的无监督方法在指纹分类上表现出高效性能。例如，CCAE在NIST-DB4中仅1000枚无标注指纹上达到了97.3%的准确率。
引用
@article{arxiv.2109.05526,
title = {An Unsupervised Deep-Learning Method for Fingerprint Classification: the CCAE Network and the Hybrid Clustering Strategy},
author = {Yue-Jie Hou and Zai-Xin Xie and Jian-Hu and Yao-Shen and Chi-Chun Zhou},
journal= {arXiv preprint arXiv:2109.05526},
year = {2021}
}