学习深度指纹表示的集成
计算机视觉与模式识别
2022-09-07 v1
摘要
深度神经网络（DNNs）在从指纹中学习定长表示方面展现出惊人潜力。由于表示学习通常侧重于捕捉特定先验知识（例如细节点），并不存在能全面封装指纹中所有判别信息的通用表示。虽然学习表示的集成可缓解此问题，但需解决两个关键挑战：（i）如何从同一指纹图像中提取多个多样化表示？以及（ii）如何在匹配过程中最优地利用这些表示？本工作中，我们在输入图像的不同变换上训练多个 DeepPrint（一种最先进的基于 DNN 的指纹编码器）实例，以生成指纹嵌入的集成。我们还提出了一种特征融合技术，将这些多重表示蒸馏为单一嵌入，在不增加计算复杂度的前提下忠实捕捉集成中的多样性。所提方法已在包含滚动、平面和潜指纹的五个数据库（NIST SD4、NIST SD14、NIST SD27、NIST SD302 和 FVC2004 DB2A）上进行了全面评估，并在一系列验证以及闭集和开集识别设定中持续展现出统计显著的精度提升。所提方法作为一种包装器，能够提升任何基于 DNN 的识别系统的精度。
引用
@article{arxiv.2209.02425,
title = {Learning an Ensemble of Deep Fingerprint Representations},
author = {Akash Godbole and Karthik Nandakumar and Anil K. Jain},
journal= {arXiv preprint arXiv:2209.02425},
year = {2022}
}