FingerNet：一种用于指纹细节点提取的统一深度网络
计算机视觉与模式识别
2017-09-08 v1
摘要
细节点提取在自动指纹识别中至关重要。先前关于滚印/按印指纹的工作由于噪声脊线模式和复杂背景噪声而在潜指纹上失败。本文中，我们提出了一种结合领域知识和深度学习表示能力来设计深度卷积网络的新方法。在方向估计、分割、增强和细节点提取方面，几种在滚印/按印指纹上表现良好的典型传统方法被转化为卷积方式，并作为一个统一的简易网络集成。我们证明该流水线等价于一个具有固定权重的浅层网络。随后扩展该网络以增强其表示能力，并释放权重以从数据中学习复杂的背景方差，同时保持端到端可微性。在 NIST SD27 潜指纹数据库和 FVC 2004 按印数据库上的实验结果表明，所提算法优于最先进的细节点提取算法。代码公开于：https://github.com/felixTY/FingerNet。
引用
@article{arxiv.1709.02228,
title = {FingerNet: An Unified Deep Network for Fingerprint Minutiae Extraction},
author = {Yao Tang and Fei Gao and Jufu Feng and Yuhang Liu},
journal= {arXiv preprint arXiv:1709.02228},
year = {2017}
}