基于深度多生物特征哈希与神经网络解码的认证学习
计算机视觉与模式识别
2019-03-08 v3 机器学习
图像与视频处理
摘要
本文提出一种新颖的多模态深度哈希神经解码器（MDHND）架构，该架构将深度哈希框架与神经网络解码器（NND）相集成，以构建一个高效的多生物特征认证系统。MDHND由两个独立模块组成：多模态深度哈希（MDH）模块，用于多种生物特征的特征级融合与二值化；以及神经网络解码器（NND）模块，用于精炼由MDH生成的中间二值码，并补偿注册与探针生物特征之间的差异（姿态、光照等变化）。使用NND有助于提升整体多模态认证系统的性能。MDHND框架通过两个模块的联合优化分三步训练：步骤1中，训练并学习MDH参数以生成共享的多模态潜在码；步骤2中，将步骤1的潜在码通过常规纠错码（ECC）解码器生成训练神经网络解码器（NND）的基准真值；步骤3中，利用步骤2的基准真值训练NND解码器，并对MDH和NND进行联合优化。在标准多模态数据集上的实验结果表明，相较其他当前多模态认证系统，我们的方法具有优越性。
引用
@article{arxiv.1902.04149,
title = {Learning to Authenticate with Deep Multibiometric Hashing and Neural Network Decoding},
author = {Veeru Talreja and Sobhan Soleymani and Matthew C. Valenti and Nasser M. Nasrabadi},
journal= {arXiv preprint arXiv:1902.04149},
year = {2019}
}
备注
To be published in Proc. IEEE ICC 2019