ThirdEye：无需归一化的基于三元组的虹膜识别
计算机视觉与模式识别
2019-07-16 v1
摘要
大多数虹膜识别流程包含三个阶段：将像素分割为虹膜/非虹膜、将虹膜区域归一化到固定区域、提取相关特征用于比对。鉴于深度学习的近期进展，审慎地追问哪些阶段对于准确的虹膜识别是必需的。Lojez等人（IWBF 2019）最近得出结论，分割阶段对于良好精度仍然至关重要。我们追问归一化是否有益？为回答该问题，我们开发了一种名为ThirdEye的新虹膜识别系统，其基于三元组卷积神经网络（Schroff等人，ICCV 2015）。ThirdEye直接使用分割后的图像而不进行归一化。我们观察到在ND-0405、UbirisV2和IITD数据集上等错误率分别为1.32%、9.20%和0.59%。对于约束最强的数据集IITD，这优于此前最佳工作。然而，对于ND-0405和UbirisV2，我们的等错误率略差于先前系统。我们的最终假设是，归一化对于约束较少的环境更为重要。
引用
@article{arxiv.1907.06147,
title = {ThirdEye: Triplet Based Iris Recognition without Normalization},
author = {Sohaib Ahmad and Benjamin Fuller},
journal= {arXiv preprint arXiv:1907.06147},
year = {2019}
}