基于条件对抗网络的跨光谱眼周识别
计算机视觉与模式识别
2020-08-27 v1
摘要
本工作旨在解决比较不同光谱下采集的眼周图像所面临的挑战，已知与在同种光谱下操作相比，这会导致性能显著下降。我们提出使用条件生成对抗网络，通过训练在可见光与近红外光谱之间转换眼周图像，从而在同种光谱下进行生物特征验证。所提出的设置允许使用通常针对单一光谱进行优化的现有特征方法。识别实验使用了多种基于手工特征和 CNN 描述符的现成眼周比较器。以香港理工大学跨光谱虹膜图像数据库为基准数据集，我们的实验表明，与匹配从不同光谱图像中提取的特征相比，若将两幅图像转换至同一光谱，跨光谱性能将得到显著提升。此外，我们微调了一个基于 ResNet50 架构的 CNN，获得了 EER=1% 以及 GAR>99% @ FAR=1% 的跨光谱眼周性能，这与在 PolyU 数据集上的 SOTA 结果相当。
引用
@article{arxiv.2008.11604,
title = {Cross-Spectral Periocular Recognition with Conditional Adversarial Networks},
author = {Kevin Hernandez-Diaz and Fernando Alonso-Fernandez and Josef Bigun},
journal= {arXiv preprint arXiv:2008.11604},
year = {2020}
}
备注
Accepted for publication at 2020 International Joint Conference on Biometrics (IJCB 2020)