DeepIrisNet2：从零学习深度虹膜码以实现对分割鲁棒的可见光与近红外虹膜识别
计算机视觉与模式识别
2019-02-15 v1 机器学习
机器学习
摘要
我们首先提出一种名为DeepIrisNet2的基于深度学习的框架，用于可见光谱与近红外（NIR）虹膜表示。该框架无需经典虹膜归一化步骤或非常精确的虹膜分割即可工作，从而允许在非理想情况下使用。该框架包含空间变换器层以处理形变，并在某些中间层后设置监督分支以减轻过拟合。此外，我们提出了一种双CNN虹膜分割流程，包括虹膜/瞳孔边界框检测网络和语义像素级分割网络。进一步地，为获得紧凑模板，我们提出了一种利用DeepIrisNet2生成二值虹膜码的策略。由于用于虹膜分割的CNN训练没有可用的真值数据集，我们构建了大规模人工标注数据集并公开：i) 虹膜、瞳孔边界框，ii) 标注虹膜纹理。这些网络在具有挑战性的ND-IRIS-0405、UBIRIS.v2、MICHE-I和CASIA v4 Interval数据集上进行了评估。所提方法显著改进了当前最优水平，并取得了超越所有先前方法的出色性能。
引用
@article{arxiv.1902.05390,
title = {DeepIrisNet2: Learning Deep-IrisCodes from Scratch for Segmentation-Robust Visible Wavelength and Near Infrared Iris Recognition},
author = {Abhishek Gangwar and Akanksha Joshi and Padmaja Joshi and R. Raghavendra},
journal= {arXiv preprint arXiv:1902.05390},
year = {2019}
}
备注
10 pages, 4 Figures