复值虹膜识别网络
计算机视觉与模式识别
2022-02-17 v4
摘要
在这项工作中,我们设计了一个全复值神经网络用于虹膜识别任务。不同于一般物体识别问题可以使用实值神经网络提取相关特征,虹膜识别依赖于从输入虹膜纹理中提取相位和幅度信息,以更好地表示其生物特征内容。这需要提取和处理相位信息,而实值神经网络无法有效处理。为此,我们设计了一个全复值神经网络,能够更好地捕捉虹膜纹理的多尺度、多分辨率和多方向相位与幅度特征。我们展示了所提出的复值虹膜识别网络与用于生成经典 IrisCode 的 Gabor 小波之间的强对应关系;然而,所提方法实现了一种专为虹膜识别定制的自动复值特征学习新能力。我们在三个基准数据集——ND-CrossSensor-2013、CASIA-Iris-Thousand 和 UBIRIS.v2——上进行了实验,展示了所提网络在虹膜识别任务中的优势。我们利用可视化方案来呈现复值网络相较于标准实值网络如何从虹膜纹理中提取根本不同的特征。
引用
@article{arxiv.2011.11198,
title = {Complex-valued Iris Recognition Network},
author = {Kien Nguyen and Clinton Fookes and Sridha Sridharan and Arun Ross},
journal= {arXiv preprint arXiv:2011.11198},
year = {2022}
}
备注
This paper has been accepted for publication in T-PAMI