全卷积网络与生成对抗网络在巩膜分割中的应用
计算机视觉与模式识别
2019-05-28 v3
摘要
由于全球对安全系统的需求，生物识别可视为计算机视觉中的重要研究课题。其中基于巩膜的识别作为一种生物识别形式正受到越来越多的关注。执行此类识别的初始且关键步骤是感兴趣区域即巩膜的分割。在此背景下，本文引入了两种基于全卷积网络(FCN)与生成对抗网络(GAN)的此类任务方法。FCN类似于常见的卷积神经网络，但全连接层（即分类层）从网络末端移除，输出由不同卷积层的池化层输出组合生成。GAN基于博弈论，其中我们有两个网络相互竞争以生成最佳分割。为与基线进行公平比较并对所提方法进行定量客观评估，我们向科学界提供了来自两个数据库的1300张新手动分割图像。实验在UBIRIS.v2与MICHE数据库上进行，我们所提方法中性能最佳的配置分别取得了87.48%与88.32%的F值度量。
引用
@article{arxiv.1806.08722,
title = {Fully Convolutional Networks and Generative Adversarial Networks Applied to Sclera Segmentation},
author = {Diego R. Lucio and Rayson Laroca and Evair Severo and Alceu S. Britto and David Menotti},
journal= {arXiv preprint arXiv:1806.08722},
year = {2019}
}
备注
Accepted for presentation at the IEEE International Conference on Biometrics: Theory, Applications, and Systems (BTAS) 2018