面向部分遮挡生物特征识别的动态图表示
计算机视觉与模式识别
2020-09-15 v2
摘要
由于各类遮挡的不良影响，卷积神经网络（CNNs）在生物特征识别中的泛化能力大幅下降。为此，我们提出一种融合CNNs与图模型优势的新型统一框架，用于学习生物特征遮挡问题的动态图表示，称为动态图表示（DGR）。由图生成器对特定区域上的卷积特征进行重构，以建立生物特征空间部件间的联系，并基于这些节点表示构建特征图。特征图的每个节点对应输入图像的一个特定部件，边表达部件间的空间关系。通过分析节点间相似性，该框架能自适应移除代表遮挡部件的节点。在动态图匹配中，我们提出一种度量节点与邻接矩阵距离的新策略。由此，所提方法比基于CNNs的方法更具说服力，因为动态图方法对生物特征决策给出了更具可解释性与合理性的推断。在虹膜与人脸上的实验证明了该框架的优越性，相较于基线方法大幅提升了遮挡生物特征识别的准确率。代码见 https://github.com/RenMin1991/Dyamic_Graph_Representation
引用
@article{arxiv.1912.00377,
title = {Dynamic Graph Representation for Partially Occluded Biometrics},
author = {Min Ren and Yunlong Wang and Zhenan Sun and Tieniu Tan},
journal= {arXiv preprint arXiv:1912.00377},
year = {2020}
}
备注
Accepted by AAAI2020, 9 pages, 15 figures