指纹：通过深度网络与领域知识的定长表示
计算机视觉与模式识别
2019-04-03 v1
摘要
我们学习了一种判别性的指纹定长特征表示，这与常用的无序、变长的细节点集合表示形成对比。为得到这种定长表示，我们将指纹领域知识嵌入到多任务深度卷积神经网络架构中。在两个公开指纹数据库（NIST SD4 和 FVC 2004 DB1）上的实证结果表明，与最先进的两种商业匹配器（Verifinger v6.3 和 Innovatrics v2.0.3）提取的细节点表示相比，我们的定长表示提供了（i）更高的检索准确率：在 NIST SD4 上针对 2000 的库规模，Rank-1 准确率为 97.9% 对 97.3%；（ii）显著更快的大规模检索：在 i5 3.3 GHz 处理器、8 GB RAM 上，每秒 682,594 次匹配对商业匹配器的每秒 22 次匹配。
引用
@article{arxiv.1904.01099,
title = {Fingerprints: Fixed Length Representation via Deep Networks and Domain Knowledge},
author = {Joshua J. Engelsma and Kai Cao and Anil K. Jain},
journal= {arXiv preprint arXiv:1904.01099},
year = {2019}
}