论利用卷积神经网络对多次指纹采集进行鲁棒分类
计算机视觉与模式识别
2017-05-16 v3
摘要
指纹分类是加速大型指纹数据库中身份识别的最常用方法之一。指纹被划分为不相交的类别，使得输入指纹仅与属于预测类别的指纹进行比较，从而降低搜索的渗透率。分类过程通常始于从指纹图像中提取特征，通常基于视觉特征。在本工作中，我们提出了一种使用卷积神经网络进行指纹分类的方法，该方法通过将图像处理纳入分类器的训练过程，避免了显式特征提取步骤的必要性。此外，该方法甚至能够对被 FingerCode 等常用算法拒绝的低质量指纹预测其类别。本研究特别重视同一指纹不同印痕分类的鲁棒性，旨在最小化数据库中的渗透率。在我们的实验中，与基于显式特征提取的 SOTA 分类器相比，卷积神经网络获得了更高的准确率和更低的渗透率。由于特征提取与分类的联合优化，所测试的网络还改善了运行时间。
引用
@article{arxiv.1703.07270,
title = {On the use of convolutional neural networks for robust classification of multiple fingerprint captures},
author = {Daniel Peralta and Isaac Triguero and Salvador García and Yvan Saeys and Jose M. Benitez and Francisco Herrera},
journal= {arXiv preprint arXiv:1703.07270},
year = {2017}
}