PVSNet：基于三元组损失与自适应困难挖掘学习域特定特征的掌静脉认证孪生网络
计算机视觉与模式识别
2019-08-14 v1
摘要
设计端到端深度学习网络以在有限训练样本下匹配生物特征是一项极具挑战性的任务。为解决此问题，我们提出一种设计端到端深度CNN框架即PVSNet的新方法，其工作分为两个主要步骤：首先，使用编码器-解码器网络学习生成式域特定特征，随后是一个孪生网络，其中卷积层作为自动编码器以无监督方式预训练。所提模型通过三元组损失函数训练，该函数经调整以学习特征嵌入，使同一主体嵌入对之间的距离最小化，并与不同主体的嵌入对之间的距离最大化，且带有间隔。特别地，提出了一种使用基于自适应间隔的困难负样本挖掘的三元组孪生匹配网络。与训练策略相关的超参数（如自适应间隔）已调优，以使在生物特征数据集上的学习更为有效。在大量实验中，所提网络在三类典型静脉数据集上优于大多数现有深度学习方案，清晰展示了我们方法的有效性。
引用
@article{arxiv.1812.06271,
title = {PVSNet: Palm Vein Authentication Siamese Network Trained using Triplet Loss and Adaptive Hard Mining by Learning Enforced Domain Specific Features},
author = {Daksh Thapar and Gaurav Jaswal and Aditya Nigam and Vivek Kanhangad},
journal= {arXiv preprint arXiv:1812.06271},
year = {2019}
}
备注
Accepted in 5th IEEE International Conference on Identity, Security and Behavior Analysis (ISBA), 2019, Hyderabad, India