PGT-Net：用于小面积湿指纹去噪与识别的渐进引导多任务神经网络
计算机视觉与模式识别
2023-08-15 v1
摘要
移动设备上的指纹识别是一种重要的身份验证方法。然而，真实指纹通常含有汗液和水分，导致识别性能较差。此外，为推出更轻薄的手机，科技公司通过将识别传感器与电源键集成来减小其尺寸。因此，有限的指纹数据规模也增加了识别难度。将小面积湿指纹图像去噪为清晰图像成为提升识别性能的关键。本文提出一种端到端可训练的渐进引导多任务神经网络（PGT-Net）。PGT-Net包含共享阶段和特定多任务阶段，使网络能够依次训练二值与非二值指纹。二值信息被视为输出增强的引导，其丰富了脊线与谷线细节。此外，引入一种新颖的残差缩放机制以稳定训练过程。在FocalTech提供的FW9395与FT-lightnoised数据集上的实验结果表明，PGT-Net在湿指纹去噪方面具有良好性能，并显著降低了指纹识别错误率（FRR）。在FT-lightnoised数据集上，指纹识别FRR可从17.75%降至4.47%。在FW9395数据集上，指纹识别FRR可从9.45%降至1.09%。
引用
@article{arxiv.2308.07024,
title = {PGT-Net: Progressive Guided Multi-task Neural Network for Small-area Wet Fingerprint Denoising and Recognition},
author = {Yu-Ting Li and Ching-Te Chiu and An-Ting Hsieh and Mao-Hsiu Hsu and Long Wenyong and Jui-Min Hsu},
journal= {arXiv preprint arXiv:2308.07024},
year = {2023}
}