用于增强血管纹理的残差特征金字塔网络
图像与视频处理
2023-07-03 v1 计算机视觉与模式识别
机器学习
摘要
由于静脉与周围区域对比度低且不均匀，指静脉识别系统的精度会下降，常导致静脉纹路检测不佳。我们提出了一种指静脉增强技术 ResFPN（残差特征金字塔网络），作为一种与识别流程无关的通用预处理方法。采用新颖结构检测块（SDBlock）的自底向上金字塔架构有助于提取不同宽度的静脉。利用特征聚合模块（FAM），我们组合这些静脉结构，并训练所提出的 ResFPN 以跨尺度检测静脉。借助增强后的表征，我们的实验表明，在两个公开可用数据集上，常用识别流程的平均识别错误率降低了至多 5%。即使在使用训练 ResFPN 的数据集不同于识别所用数据集的跨数据集场景下，这些改进依然持续。
引用
@article{arxiv.2306.17200,
title = {Residual Feature Pyramid Network for Enhancement of Vascular Patterns},
author = {Ketan Kotwal and Sebastien Marcel},
journal= {arXiv preprint arXiv:2306.17200},
year = {2023}
}
备注
published in Conference on Computer Vision and Pattern Recognition Workshops (CVPR-W) 2022