使用带 Gram 模块的卷积网络的端到端指纹活体检测
计算机视觉与模式识别
2018-03-22 v1
摘要
本文提出了一种端到端 CNN（卷积神经网络）模型，该模型使用大小约为 1.2MB 的参数的 gram 模块来检测假指纹。所提出的方法假设纹理是假指纹检测中最合适的特征，并实现 gram 模块以从 CNN 中提取纹理。所提出的 CNN 结构使用 fire 模块作为基础模型，并使用 gram 模块进行纹理提取。通过 fire 模块的张量将与 gram 模块结合，生成具有相同空间大小的 gram 矩阵。从不同层提取的 3 个 gram 矩阵沿通道轴组合后，成为分类假指纹的依据。实验结果在 LivDet 2011、2013、2015 数据上的平均检测误差为 2.61%，证明了可以设计出具有少量参数且能够用于假指纹检测的端到端 CNN 结构。
引用
@article{arxiv.1803.07830,
title = {End-to-End Fingerprints Liveness Detection using Convolutional Networks with Gram module},
author = {Eunsoo Park and Xuenan Cui and Weonjin Kim and Hakil Kim},
journal= {arXiv preprint arXiv:1803.07830},
year = {2018}
}
备注
15 pages, 7 figures