几何合成：大规模掌纹识别模型预训练的自由午餐
计算机视觉与模式识别
2022-04-13 v2
摘要
掌纹是用于生物特征识别的私密且稳定的信息。在深度学习时代，掌纹识别的发展受限于缺乏充足的训练数据。本文中，通过观察掌纹褶皱是基于深度学习的掌纹识别的关键信息，我们提出通过操控掌纹褶皱来合成训练数据。具体而言，我们引入了一个直观的几何模型，用参数化Bézier曲线表示掌纹褶皱。通过随机采样Bézier参数，我们可以合成大量不同身份的的训练样本，从而能够预训练大规模掌纹识别模型。实验结果表明，此类合成预训练模型具有非常强的泛化能力：它们可以高效地迁移到真实数据集，从而在掌纹识别上带来显著的性能提升。例如，在开集协议下，我们的方法在TAR@1e-6指标上比强ArcFace基线提升了超过10%。而在闭集协议下，我们的方法将等错误率（EER）降低了一个数量级。
引用
@article{arxiv.2203.05703,
title = {Geometric Synthesis: A Free lunch for Large-scale Palmprint Recognition Model Pretraining},
author = {Kai Zhao and Lei Shen and Yingyi Zhang and Chuhan Zhou and Tao Wang and Ruixin Zhang and Shouhong Ding and Wei Jia and Wei Shen},
journal= {arXiv preprint arXiv:2203.05703},
year = {2022}
}
备注
Codes are available at http://kaizhao.net/palmprint