质量感知多模态生物特征识别
计算机视觉与模式识别
2021-12-14 v1 机器学习
摘要
我们提出一种质量感知多模态识别框架，其结合来自多个生物特征模态的表示（具有不同质量和样本数），通过基于样本质量提取互补识别信息来实现更高的识别精度。我们开发了一个质量感知框架，利用以弱监督方式估计的质量分数对输入模态表示的权重进行融合。该框架使用两个融合块，每个由一组质量感知和网络聚合网络表示。除架构修改外，我们提出两个任务特定损失函数：多模态可分性损失和多模态紧凑性损失。第一个损失确保一个类别的各模态表示具有可比拟的幅值，以提供更好的质量估计，同时不同类别的多模态表示在嵌入空间中分布以实现最大判别。第二个损失用于正则化网络权重，通过正则化框架提升泛化性能。我们考虑由人脸、虹膜和指纹模态组成的三个多模态数据集评估性能。通过与 SOTA 算法比较证明了框架的有效性。特别地，在误接受率为 时，我们的框架相对于 BIOMDATA 的模态排序级和分数级融合，真实接受率高出 30% 以上。
引用
@article{arxiv.2112.05827,
title = {Quality-Aware Multimodal Biometric Recognition},
author = {Sobhan Soleymani and Ali Dabouei and Fariborz Taherkhani and Seyed Mehdi Iranmanesh and Jeremy Dawson and Nasser M. Nasrabadi},
journal= {arXiv preprint arXiv:2112.05827},
year = {2021}
}
备注
IEEE Transactions on Biometrics, Behavior, and Identity Science