利用现成 CNN 特征进行眼周识别
计算机视觉与模式识别
2020-10-19 v1
摘要
眼周指眼睛周围的区域，包括巩膜、眼睑、睫毛、眉毛和皮肤。凭借令人惊讶的高判别能力，它是在最不受限采集条件下所需的眼部模态。在此，我们将 ImageNet 大规模视觉识别挑战赛背景下提出的现有预训练架构应用于眼周识别任务。这些架构已被证明除为其设计的检测与分类任务外，对许多其他计算机视觉任务也非常成功。实验使用数码相机采集的眼周图像数据库进行。我们证明这些现成 CNN 特征能有效基于眼周图像识别个体，尽管其训练目的是分类通用物体。与参考眼周特征相比，它们展现出高达约 40% 的 EER 降低，且 CNN 与传统特征的融合提供了进一步改进。
引用
@article{arxiv.1809.06157,
title = {Periocular Recognition Using CNN Features Off-the-Shelf},
author = {Kevin Hernandez-Diaz and Fernando Alonso-Fernandez and Josef Bigun},
journal= {arXiv preprint arXiv:1809.06157},
year = {2020}
}
备注
Accepted to BIOSIG 2018: 17th International Conference of the Biometrics Special Interest Group