基于卷积神经网络的无约束虹膜分割
计算机视觉与模式识别
2018-12-21 v1
摘要
从人眼虹膜图像中提取一致且可辨识的特征称为虹膜识别。辨识哪些像素属于虹膜（即分割）是虹膜识别的第一阶段。分割中的错误会传播到后续阶段。当前的分割方法针对特定环境进行调整。我们提出使用卷积神经网络进行虹膜分割。我们的算法在单一环境训练并多环境测试时准确。我们的网络基于 Mask R-CNN 框架（He et al., ICCV 2017）。我们的方法比包括 Mask R-CNN 网络在内的先前方法分割更快。我们的网络在单一环境训练并使用不同传感器（可见光或近红外）测试时准确。当使用可见光传感器训练而用近红外传感器测试（反之亦然）时，其精度下降。对可见光模型进行少量再训练（使用近红外数据集的少量样本）可得到在两种设置下均准确的调优网络。本工作的训练与测试使用了 Casia v4 Interval、Notre Dame 0405、Ubiris v2 和 IITD 数据集。
引用
@article{arxiv.1812.08245,
title = {Unconstrained Iris Segmentation using Convolutional Neural Networks},
author = {Sohaib Ahmad and Benjamin Fuller},
journal= {arXiv preprint arXiv:1812.08245},
year = {2018}
}