纹理感知自编码器预训练与成对学习精化用于改进虹膜识别
计算机视觉与模式识别
2022-02-16 v1
摘要
本文提出了一种纹理感知的端到端可训练虹膜识别系统，专门针对虹膜等训练数据有限的场景设计。我们在先前阶段式学习框架的基础上进行了若干关键优化和架构创新。首先，我们通过无监督自编码器学习预训练第一阶段编码器网络，该学习在常规重构损失之外额外优化了数据关系损失。数据关系损失有助于学习更好的纹理表示，这对于虹膜这类纹理丰富的数据集至关重要。通过辅助去噪任务进一步增强了第一阶段特征表示的鲁棒性。这种预训练对于在数据受限的虹膜数据集上有效训练深度网络非常有益。接下来，在第二阶段监督精化中，我们设计了一种成对学习架构，用于端到端可训练的虹膜识别系统。成对学习将虹膜匹配任务纳入训练流程本身，与常规离线匹配相比，显著提升了识别性能。我们在三个公开可用的虹膜数据集上验证了模型，所提模型在数据集内和跨数据集配置下均持续优于传统基线和深度学习基线。
引用
@article{arxiv.2202.07499,
title = {Texture Aware Autoencoder Pre-training And Pairwise Learning Refinement For Improved Iris Recognition},
author = {Manashi Chakraborty and Aritri Chakraborty and Prabir Kumar Biswas and Pabitra Mitra},
journal= {arXiv preprint arXiv:2202.07499},
year = {2022}
}