利用复结构张量理解和改进 CNN：生物识别研究
计算机视觉与模式识别
2024-04-25 v1
摘要
我们的研究提供了证据表明 CNN 在有效提取方向特征方面存在困难。我们展示，使用包含紧凑方向特征及其确定性的复结构张量作为 CNN 的输入，始终比仅使用灰度输入提高识别准确性。实验还表明，我们的输入由 mini complex conv-nets 提供，结合减小的 CNN 大小，优于完整的主流 CNN 架构。这表明，前置使用方向特征在 CNN 中的策略（见于哺乳动物视觉），不仅缓解了其局限性，也增强了其可解释性和与 thin-clients 的相关性。在公开可用的数据集上进行实验，包括用于生物识别的虹膜图像（近端和开放世界），使用 6 种最先进的 CNN 架构。我们将 PolyU 数据集上的 SOA 平均错误率（EER）降低 5-26%，具体取决于数据和情景。
引用
@article{arxiv.2404.15608,
title = {Understanding and Improving CNNs with Complex Structure Tensor: A Biometrics Study},
author = {Kevin Hernandez-Diaz and Josef Bigun and Fernando Alonso-Fernandez},
journal= {arXiv preprint arXiv:2404.15608},
year = {2024}
}
备注
preprint manuscript