Gabor核是否为虹膜识别的最优选择？
计算机视觉与模式识别
2020-02-24 v1
摘要
Gabor核被广泛认为是虹膜识别中的主导滤波器。在当前对神经网络兴趣浓厚的背景下，本文研究Gabor核是否是为虹膜识别表现最佳的唯一函数族，或者是否可以直接从虹膜数据中学习到更好的滤波器。我们（特意）使用单层卷积神经网络，因为它模拟了基于虹膜编码的算法。我们学习了两组数据驱动的核：一组从随机初始化权重出发，另一组从开源的Gabor核集合出发。通过实验，我们表明该网络并未收敛到Gabor核，而是收敛到边缘检测器、斑点检测器和简单波的混合。在使用三个主体不相交数据集进行的实验中，我们发现这些学习到的核的性能与开源Gabor核相当。这使我们得出两个结论：(a) 在虹膜识别中提供最优性能的函数族比Gabor核更广；(b) 我们可能已触及使用单层卷积但多滤波器的虹膜编码算法的最大性能。随本文发布的是一个学习数据驱动核的框架，可轻松移植到开源虹膜识别软件中（例如OSIRIS——开源IRIS）。
引用
@article{arxiv.2002.08959,
title = {Are Gabor Kernels Optimal for Iris Recognition?},
author = {Aidan Boyd and Adam Czajka and Kevin Bowyer},
journal= {arXiv preprint arXiv:2002.08959},
year = {2020}
}
备注
To appear at IJCB 2020