TipSegNet: 非接触式指纹成像中的指尖分割
计算机视觉与模式识别
2025-01-10 v1 机器学习
摘要
非接触式指纹识别系统提供了一种卫生、用户友好且高效的替代传统接触式方法的选择。然而，其准确性严重依赖于精确的指尖检测与分割，尤其是在具有挑战性的背景条件下。本文介绍了TipSegNet，一种新颖的深度学习模型，在直接从灰度手部图像中分割指尖方面达到了最先进的性能。TipSegNet利用ResNeXt-101骨干网络进行鲁棒的特征提取，并结合特征金字塔网络（FPN）进行多尺度表示，从而在不同手指姿势和图像质量下实现准确分割。此外，我们采用了广泛的数据增强策略来增强模型的泛化能力和鲁棒性。TipSegNet优于现有方法，实现了平均交并比（mIoU）0.987和准确率0.999，代表了非接触式指纹分割的重大进步。这种增强的准确性有望在实际应用中显著提高非接触式生物识别系统的可靠性和有效性。
引用
@article{arxiv.2501.05076,
title = {TipSegNet: Fingertip Segmentation in Contactless Fingerprint Imaging},
author = {Laurenz Ruzicka and Bernhard Kohn and Clemens Heitzinger},
journal= {arXiv preprint arXiv:2501.05076},
year = {2025}
}