是否插值：多生物特征融合的建议
计算机视觉与模式识别
2024-08-16 v1
摘要
通过融合来自不同生物识别系统的匹配得分是提高识别准确率的已证实方法。然而，缺失的得分可能降低性能并限制可应用的融合技术。插值是多生物特征系统中替换缺失数据的值得期望的技术。本文评估了在三个多模态生物特征得分数据集（即 NIST BSSR1、BIOCOP2008 和 MIT LL Trimodal）上的各种得分插值方法，并研究可能影响插值效果的因素。我们的研究揭示了三个关键观察：(1) 即使在融合规则不要求完整得分数据的情形下，插值仍优于不插值缺失得分。 (2) 在训练数据中平衡类别对于缓解插值技术对代表稀缺类的负面偏差至关重要，即使这需要丢弃大量得分向量。 (3) 当模态之间的得分存在相关性时，多变量插值方法似乎更有益，而单变量方法似乎有助于模态之间得分不太相关的情形。
引用
@article{arxiv.2408.07883,
title = {To Impute or Not: Recommendations for Multibiometric Fusion},
author = {Melissa R Dale and Elliot Singer and Bengt J. Borgström and Arun Ross},
journal= {arXiv preprint arXiv:2408.07883},
year = {2024}
}
备注
Proc. of IEEE International Workshop on Information Forensics and Security (WIFS), (Nuremberg, Germany), December 2023