FIGO：基于 GAN 与单样本学习技术增强的指纹识别方法
计算机视觉与模式识别
2023-05-30 v2 人工智能
摘要
指纹证据在刑事调查中的个体识别起着重要作用。尽管已提出多种用于指纹分类与特征提取的技术，但自动化指纹识别仍处于最初级阶段。传统自动指纹识别系统（Automatic Fingerprint Identification System, AFIS）的性能依赖于有效细节点（minutiae）的存在，且在特征提取与识别阶段仍需要人类专家辅助。基于这一动机，我们提出了一种基于生成对抗网络（GAN）与单样本学习技术的指纹识别方法（FIGO）。我们的方案包含两个组成部分：指纹增强层与指纹识别层。首先，我们在指纹增强层提出一个 Pix2Pix 模型，将低质量指纹图像逐像素直接转换为更高质量的指纹图像。借助所提出的增强算法，指纹识别模型的性能得到显著提升。此外，我们基于 Gabor 滤波器开发了另一种已有方案作为基准，通过观察指纹设备的识别精度与所提模型进行比较。实验结果表明，我们提出的 Pix2pix 模型相比基线方法对指纹识别具有更好的支持。其次，我们采用单样本学习方法构建了一个全自动指纹特征提取模型，以在指纹识别过程中区分不同指纹。该过程使用两个具有共享权重与参数的孪生卷积神经网络（CNN）来获取特征向量。利用所提方法，我们证明了仅从一个训练样本中以高准确率学习必要信息是可行的。
引用
@article{arxiv.2208.05615,
title = {FIGO: Enhanced Fingerprint Identification Approach Using GAN and One Shot Learning Techniques},
author = {Ibrahim Yilmaz and Mahmoud Abouyoussef},
journal= {arXiv preprint arXiv:2208.05615},
year = {2023}
}