用于学习指纹识别 CNN 孔隙描述子的自动数据集标注
计算机视觉与模式识别
2018-11-26 v4 机器学习
摘要
高分辨率指纹识别通常依赖基于手工关键点描述子的复杂匹配算法，其中孔隙是最常用的关键点选择。我们的方法与主流做法相反：我们使用基于鲁棒局部孔隙描述子的简单匹配算法，这些描述子由 CNN 从数据中学习得到。为了以全监督方式训练该 CNN，我们描述了如何利用指纹图像的自动对齐来获取所需的训练标注，而这些标注在所有公开可用数据集中均缺失。这改进了公开基准中部分与全指纹的现有最优识别结果。为确认所观察到的改进源于采用学习到的描述子，我们使用文献中此前最成功的孔隙描述子进行了消融研究。我们的所有代码可在 https://github.com/gdahia/high-res-fingerprint-recognition 获取。
引用
@article{arxiv.1809.10229,
title = {Automatic Dataset Annotation to Learn CNN Pore Description for Fingerprint Recognition},
author = {Gabriel Dahia and Maurício Pamplona Segundo},
journal= {arXiv preprint arXiv:1809.10229},
year = {2018}
}