MRA-GNN：基于图神经网络的小细节关系感知指纹嵌入模型
计算机视觉与模式识别
2023-08-01 v1
摘要
深度学习在指纹嵌入中取得了显著成果，而指纹嵌入在现代自动指纹识别系统中起着关键作用。然而，包括基于CNN和基于Transformer的方法在内的先前工作都未能利用指纹中的非结构化数据，如拓扑和相关性，而这些对于提升嵌入的可辨识性与鲁棒性至关重要。为应对这一挑战，我们提出了一种用于指纹嵌入的新范式，称为基于图神经网络的小细节关系感知模型（MRA-GNN）。我们提出的方法将基于GNN的框架引入指纹嵌入，以将指纹的拓扑和相关性编码为描述性特征，实现图嵌入形式的指纹表示。具体而言，我们将指纹数据及其相对连接分别重新解释为顶点和边，并引入细节点图和指纹图来表示指纹的拓扑关系与关联结构。我们为MRA-GNN配备拓扑关系推理模块（TRM）和关联感知模块（CAM），以从这些图中成功学习指纹嵌入。为解决GNN模型中的过平滑问题，我们在所提模块中融入前馈模块与图残差连接。实验结果表明，我们所提方法在各种指纹数据集上优于最先进的方法，表明该方法在利用指纹非结构化信息方面的有效性。
引用
@article{arxiv.2307.16416,
title = {MRA-GNN: Minutiae Relation-Aware Model over Graph Neural Network for Fingerprint Embedding},
author = {Yapeng Su and Tong Zhao and Zicheng Zhang},
journal= {arXiv preprint arXiv:2307.16416},
year = {2023}
}
备注
10 pages, 6 figures, accepted by IJCB 2023