鲁棒细节点提取器：融合深度网络与指纹领域知识
计算机视觉与模式识别
2017-12-29 v1
摘要
我们提出了一种称为MinutiaeNet的全自动细节点提取器，它基于具有紧凑特征表示的深度神经网络，用于快速比对细节点集合。具体而言，首先一个称为CoarseNet的网络基于卷积神经网络与指纹领域知识（增强图像、方向场与分割图）估计细节点分数图与细节点方向。随后，另一个称为FineNet的网络基于分数图精炼候选细节点位置。我们展示了结合使用指纹领域知识与深度网络的有效性。在潜指纹（NIST SD27）与平面指纹（FVC 2004）公共数据集上的实验结果为我们方法的优势提供了全面的实证支持。此外，与当前最优方法相比，我们的方法在这两个数据集上找到了具有更优精确率与召回率的细节点集合。鉴于缺乏带有细节点真值的标注指纹数据集，所提出的鲁棒细节点检测方法将有助于训练基于网络的指纹匹配算法以及大规模评估指纹个体性。MinutiaeNet使用Tensorflow实现：https://github.com/luannd/MinutiaeNet
引用
@article{arxiv.1712.09401,
title = {Robust Minutiae Extractor: Integrating Deep Networks and Fingerprint Domain Knowledge},
author = {Dinh-Luan Nguyen and Kai Cao and Anil K. Jain},
journal= {arXiv preprint arXiv:1712.09401},
year = {2017}
}
备注
Accepted to International Conference on Biometrics (ICB 2018)