用于部分潜指纹重建的保身份生成对抗网络
计算机视觉与模式识别
2018-08-02 v1
摘要
由于输入样本质量差、存在畸变以及信息部分缺失，使用潜指纹样本执行识别任务对自动识别系统而言常常具有挑战性。我们提出了一种基于条件生成对抗网络（cGANs）的直接潜指纹重建模型。对 cGAN 做了两处修改以使其适应潜指纹重建任务。首先，强制模型在脊线图之外生成三张额外的图，以确保方向和频率信息在生成过程中被考虑，并防止模型填充大面积缺失区域和生成错误的细节点。其次，提出了一种感知保身份方法，以迫使生成器在重建过程中保留身份（ID）信息。利用合成生成的潜指纹数据库，该深度网络学会从输入的潜指纹样本中预测缺失信息。我们在多个公开可用的潜指纹数据集上，将所提方法与两种不同的指纹匹配算法结合进行评估。在 IIIT-Delhi 潜指纹数据库上，针对潜到潜匹配任务我们取得了 88.02% 的 rank-10 准确率；在 IIIT-Delhi MOLF 数据库上，针对潜到传感器匹配任务我们取得了 70.89% 的 rank-50 准确率。在潜到传感器和潜到潜框架下对重建样本进行匹配的实验结果表明，所提方法显著提升了指纹识别系统对潜指纹样本的匹配准确率。
引用
@article{arxiv.1808.00035,
title = {ID Preserving Generative Adversarial Network for Partial Latent Fingerprint Reconstruction},
author = {Ali Dabouei and Sobhan Soleymani and Hadi Kazemi and Seyed Mehdi Iranmanesh and Jeremy Dawson and Nasser M. Nasrabadi},
journal= {arXiv preprint arXiv:1808.00035},
year = {2018}
}
备注
Accepted in BTAS 2018