基于多任务损失函数与注意力层的掌静脉识别
计算机视觉与模式识别
2022-11-14 v1 机器学习
摘要
随着个人设备算力与算法精度的提升，生物特征在个人身份识别中应用日益广泛，掌静脉识别具有丰富的可提取特征，近年来被广泛研究。然而，传统识别方法鲁棒性差，易受反射和噪声等环境影响。本文在红外掌静脉数据集上，使用基于VGG-16迁移学习融合注意力机制的卷积神经网络作为特征提取网络。首先采用掌纹分类方法训练掌静脉分类任务，随后使用相似度函数进行匹配，其中我们提出多任务损失函数以提升匹配任务精度。为验证模型鲁棒性，在不同来源数据集上进行了若干实验。然后，我们使用K-means聚类确定自适应匹配阈值，最终在预测集上达到98.89%的准确率。同时，匹配效率高，每对掌静脉平均耗时0.13秒，这意味着我们的方法可在实际中采用。
引用
@article{arxiv.2211.05970,
title = {Palm Vein Recognition via Multi-task Loss Function and Attention Layer},
author = {Jiashu Lou and Jie zou and Baohua Wang},
journal= {arXiv preprint arXiv:2211.05970},
year = {2022}
}