指纹检索任务中分割模型与生成模型的对比分析
计算机视觉与模式识别
2022-11-03 v2 机器学习
图像与视频处理
摘要
指纹等生物特征认证已成为现代用户认证与核验技术的重要组成部分，其渗透程度远超多数人的认知。然而，当手指沾污、潮湿、受伤或传感器发生故障时，这些指纹图像的质量会下降。因此，通过去除噪声并修复原始指纹以重建图像，对于其认证至关重要。为此，本文提出一种深度学习方法，利用生成（GAN）与分割模型来解决这些问题。我们对 pix2pixGAN 与 cycleGAN（生成模型）以及 U-net（分割模型）进行了定性与定量比较。为训练模型，我们精心构建了自有数据集 NFD——噪声指纹数据集（Noisy Fingerprint Dataset），包含不同背景以及部分图像上的划痕，以使其更具真实性与鲁棒性。在我们的研究中，u-net 模型的表现优于 GAN 网络。
引用
@article{arxiv.2209.06172,
title = {Comparative analysis of segmentation and generative models for fingerprint retrieval task},
author = {Megh Patel and Devarsh Patel and Sarthak Patel},
journal= {arXiv preprint arXiv:2209.06172},
year = {2022}
}
备注
This is a working draft and not indented for publication