基于循环对抗学习的传感器不变指纹 ROI 分割
计算机视觉与模式识别
2021-07-06 v1 人工智能
摘要
指纹感兴趣区域（ROI）分割算法用于从背景噪声中分离前景指纹。文献中所有基于学习的先进指纹 ROI 分割算法均在训练与测试数据库均由同传感器采集的指纹图像时进行基准测试。然而，当在另一传感器上测试时，所获分割性能常不理想。因此，每次使用新指纹传感器测试时，均需用新传感器采集的指纹图像及其对应人工标注 ROI 重新训练分割模型。人工标注指纹 ROI 成本高昂，因其耗时且更需领域专业知识。为节省先进方法所需的标注人力，我们提出一种指纹 ROI 分割模型，其对来自未知传感器的指纹图像特征进行对齐，使其类似于那些有真实 ROI 掩膜可用于训练的 fingerprint 特征。具体而言，我们提出一种基于循环对抗学习的特征对齐网络，帮助指纹 ROI 分割模型学习传感器不变特征。因此，该 ROI 分割模型学到的传感器不变特征有助于其在新传感器采集的指纹上取得更优分割性能。在公开 FVC 数据库上的实验证明了所提方法的有效性。
引用
@article{arxiv.2107.01361,
title = {Sensor-invariant Fingerprint ROI Segmentation Using Recurrent Adversarial Learning},
author = {Indu Joshi and Ayush Utkarsh and Riya Kothari and Vinod K Kurmi and Antitza Dantcheva and Sumantra Dutta Roy and Prem Kumar Kalra},
journal= {arXiv preprint arXiv:2107.01361},
year = {2021}
}
备注
IJCNN 2021 (Accepted)