ProtoN：用于无限制多印迹耳部识别的原型节点图神经网络
计算机视觉与模式识别
2025-08-07 v1 人工智能
摘要
耳部生物识别技术提供了一种稳定且无接触的身份识别方式，但其有效性仍受限于标注数据稀缺和较大的类内变异性。现有方法通常单独从单个印迹中提取身份特征，限制了其捕获一致且具辨识力表示的能力。为克服这些限制，本文提出了一种基于图方法的少数样本学习框架ProtoN，以联合处理单个身份的多个印迹。每个印迹作为类特定图中的一个节点，同时伴随一个可学习的原型节点，用于编码身份级别的信息。该图由原型图神经网络（PGNN）层处理，专为通过双路径消息传递机制细化印迹和原型表示而设计。为进一步增强辨识力，PGNN采用跨图原型对齐策略，通过强制类内紧凑性同时保持类间区别来提高类间可分性。此外，采用混合损失函数来平衡情景和全局分类目标，从而改善嵌入空间的整体结构。在五个基准耳部数据集上的大量实验表明，ProtoN实现了最先进的性能，Rank-1识别准确率可达99.60%，平等误差率（EER）可低至0.025，显示其在数据有限条件下进行少数样本耳部识别的有效性。
引用
@article{arxiv.2508.04381,
title = {ProtoN: Prototype Node Graph Neural Network for Unconstrained Multi-Impression Ear Recognition},
author = {Santhoshkumar Peddi and Sadhvik Bathini and Arun Balasubramanian and Monalisa Sarma and Debasis Samanta},
journal= {arXiv preprint arXiv:2508.04381},
year = {2025}
}