深度端到端指纹去噪与修复
计算机视觉与模式识别
2018-09-14 v3
摘要
本工作描述了我们在 Chalearn LAP 修复竞赛第 3 赛道——指纹去噪与修复中的获胜方案。该竞赛的目标是降低噪声、去除背景纹理并补全指纹图像中缺失的部分，以简化人工或第三方软件的验证过程。在本文中，我们使用一个类 U-Net 的 CNN 模型，该模型在竞赛数据上以全监督方式训练后，端到端地执行上述所有步骤。该架构与训练流程在竞赛的全部三项指标上均取得了最佳结果。
引用
@article{arxiv.1807.11888,
title = {Deep End-to-end Fingerprint Denoising and Inpainting},
author = {Youness Mansar},
journal= {arXiv preprint arXiv:1807.11888},
year = {2018}
}
备注
Winning solution to the Chalearn LAP In-painting Competition Track 3 / Accepted in the 2018 Chalearn Looking at People Satellite Workshop ECCV