双侧耳对称性对深度耳特征的影响
计算机视觉与模式识别
2025-08-13 v2
摘要
由于人类耳朵的独特特征，耳识别正在成为可靠生物识别技术的关注焦点。随着大规模数据集的 availability，卷积神经网络(CNN)正被广泛用于从原始耳图中直接学习特征，超越了传统手工特征方法。然而，近期研究关注双侧耳对称性对CNN学习特征的影响。本文研究双侧耳对称性如何影响CNN-based耳识别的效果。为此，我们首先开发了一个耳侧分类器，自动将耳图分类为左耳或右耳。随后探讨在训练和测试期间融入此侧信息的影响。在五个数据集上进行跨数据集评估。我们的结果表明，在训练和测试时分别处理左耳和右耳可导致显著性能提升。此外，我们对对齐策略、输入大小及各种超参数设置进行消融研究，为在大规模数据集上训练CNN-based耳识别系统以实现更高验证率提供了实用见解。
引用
@article{arxiv.2508.04614,
title = {How Does Bilateral Ear Symmetry Affect Deep Ear Features?},
author = {Kagan Ozturk and Deeksha Arun and Kevin W. Bowyer and Patrick Flynn},
journal= {arXiv preprint arXiv:2508.04614},
year = {2025}
}