不同深度特征用于低质量图像掌纹识别的初步比较研究
计算机视觉与模式识别
2018-04-13 v1
摘要
深度卷积神经网络（CNNs）是广泛高效的视觉识别工具。本文中，我们对三种流行的预训练 CNN 模型：AlexNet、VGG-16 与 VGG-19 进行比较研究。我们解决低质量图像中的掌纹识别问题，并将支持向量机（SVMs）应用于所有被比较的模型。为比较，我们使用 MOHI 掌纹图像数据库，其图像具有低对比度、阴影及变化的光照、尺度、平移与旋转特征。另考虑一个名为 COEP 的高质量数据库，以研究高质量与低质量图像间的识别差距。我们的实验表明，更深的预训练 CNN 模型，如 VGG-16 与 VGG-19，倾向于提取高度可区分的特征，比 AlexNet 等较浅网络更有效地识别低质量掌纹。此外，我们在两数据库上使用多种模型的实验证明，从较低层全连接层提取的特征比较高层特征提供更高的识别率。我们的结果表明，不同预训练模型可高效用于具有低质量掌纹图像的非接触式识别系统。
引用
@article{arxiv.1804.04602,
title = {Pilot Comparative Study of Different Deep Features for Palmprint Identification in Low-Quality Images},
author = {A. S. Tarawneh and D. Chetverikov and A. B. Hassanat},
journal= {arXiv preprint arXiv:1804.04602},
year = {2018}
}
备注
5 pages, 5 figures, Ninth Hungarian Conference on Computer Graphics and Geometry, Budapest, 2018