用小型全卷积网络改进指纹汗孔检测
计算机视觉与模式识别
2018-11-19 v1 机器学习
摘要
在这项工作中，我们探究先前提出的用于指纹汗孔检测的 CNN 是否高估了该任务所需的模型参数量。我们通过提出一个参数量显著更少的全卷积神经网络，证明情况确实如此。我们使用一个严格且可复现的协议来评估该模型，而在我们的工作之前，该协议并未向学界公开。使用我们的协议，我们表明所提出的模型在与后处理结合时，性能优于先前的方法，尽管其效率要高得多。我们的所有代码均可在 https://github.com/gdahia/fingerprint-pore-detection 获取。
引用
@article{arxiv.1811.06846,
title = {Improving Fingerprint Pore Detection with a Small FCN},
author = {Gabriel Dahia and Maurício Pamplona Segundo},
journal= {arXiv preprint arXiv:1811.06846},
year = {2018}
}
备注
arXiv admin note: text overlap with arXiv:1809.10229