基于深度学习集成框架学习尺度变异特征以实现鲁棒虹膜认证
计算机视觉与模式识别
2020-06-16 v2 机器学习
摘要
近年来，移动互联网加速了智能移动开发的普及。移动支付、移动安全与隐私保护已成为广泛关注的焦点。虹膜识别成为这些领域中的高安全性认证技术，被广泛用于生物特征认证领域的不同学科。卷积神经网络(CNN)是用于图像识别的主流深度学习方法之一，但其抗噪能力弱，且在图像分类任务中需要一定内存进行训练。在此条件下，我们提出了一种基于Mask R-CNN与Inception V4神经网络模型的微调神经网络模型，其将各组件集成于一个整体系统中，结合虹膜检测、提取与识别功能构成虹膜识别系统。所提框架具有可扩展性与高可用性特征；其不仅能学习虹膜图像的部分-整体关系，还增强了整体框架的鲁棒性。重要的是，所提模型可使用不同光谱样本训练，如可见光(VW)与近红外(NIR)虹膜生物特征数据库。在Jetson Nano移动边缘计算设备上执行时，识别平均准确率达99.10%。
引用
@article{arxiv.1912.00756,
title = {Learning scale-variant features for robust iris authentication with deep learning based ensemble framework},
author = {Siming Zheng and Rahmita Wirza O. K. Rahmat and Fatimah Khalid and Nurul Amelina Nasharuddin},
journal= {arXiv preprint arXiv:1912.00756},
year = {2020}
}
备注
This is the second revision for updating the formation, logical and image captions