基于对比学习的双全局描述符犬鼻纹匹配
计算机视觉与模式识别
2022-06-02 v1
摘要
近期基于生物特征识别任务的研究表明，深度学习方法能够取得更好的性能。这些方法通常提取全局特征作为描述符来表示原始图像。然而，在细粒度任务下的生物特征识别中其表现不佳。主要原因是单一图像描述符包含的信息不足以表示图像。本文提出一种双全局描述符模型，其结合多个全局描述符以利用多层次图像特征。此外，我们利用对比损失来扩大易混淆类别的图像表示之间的距离。所提框架在 CVPR2022 生物特征研讨会宠物生物特征挑战赛中取得第二名。源代码与训练模型公开于：https://github.com/flyingsheepbin/pet-biometrics
引用
@article{arxiv.2206.00580,
title = {Dog nose print matching with dual global descriptor based on Contrastive Learning},
author = {Bin Li and Zhongan Wang and Nan Wu and Shuai Shi and Qijun Ma},
journal= {arXiv preprint arXiv:2206.00580},
year = {2022}
}