面向遮挡生物特征识别的多尺度动态图表示
计算机视觉与模式识别
2023-07-28 v1
摘要
遮挡是野外生物特征识别中的一个常见问题。由于各种遮挡的不良影响，CNN 的泛化能力大幅下降。为此，我们提出一种融合 CNN 与图模型优势的新型统一框架，以克服生物特征识别中的遮挡问题，称为多尺度动态图表示（MS-DGR）。更具体地，反映在特定子区域上的一组深度特征被重构为一张特征图（FG）。FG 内的每个节点被视为刻画输入样本的某个局部区域，边则暗示非遮挡区域共现。通过分析节点表示的相似性并度量邻接矩阵中存储的拓扑结构，所提框架利用动态图匹配明智地丢弃对应于遮挡部分的节点。进一步引入多尺度策略以获得代表不同尺寸区域的更多样化节点。此外，该框架通过展示配对节点表现出更具可解释性与合理的推断。大量实验证明了所提框架的优越性，其在自然与遮挡模拟情形下均以大幅优势提升了准确率，优于基线方法。
引用
@article{arxiv.2307.14617,
title = {Multiscale Dynamic Graph Representation for Biometric Recognition with Occlusions},
author = {Min Ren and Yunlong Wang and Yuhao Zhu and Kunbo Zhang and Zhenan Sun},
journal= {arXiv preprint arXiv:2307.14617},
year = {2023}
}
备注
Accepted by TPAMI