在指脉识别上对金字塔卷积网络进行多尺度意识的关注.

科学领域:

• 生物识别信息 生物识别信息
• 计算机视觉 计算机视觉
• 模式识别 模式识别

背景情况:

• 生物识别是领先的个人识别方法.
• 手指静脉识别提供了稳定,内在的特征与活力检测.
• 目前的卷积神经网络 (CNN) 由于输入区域覆盖范围有限,因此难以获得低质量的手指静脉图像.

研究的目的:

• 为了应对有效利用指纹静脉识别中的多尺度特征的挑战.
• 提高提取特征的辨别性,以提高识别性能.
• 开发一种方法,克服现有的基于CNN的指纹静脉识别方法的局限性.

主要方法:

• 使用金字塔卷积提取多尺度特征.
• 在信息聚合中进行动态权重调整的规模意识注意力 (SA) 模块的建议.
• 利用不同特征尺度的互补细节.

主要成果:

• 拟议的SA模块通过有效汇总多层次信息来增强特征歧视性.
• 对公共和内部数据集的实验验证表明,指纹静脉识别性能得到了显著改善.
• 这种方法即使在低质量的指纹静脉图像上也被证明有效.

结论:

• 开发的规模感知注意模块显著提高了手指静脉识别的准确性.
• 金字塔卷曲和尺度注意力为处理多尺度特征提供了强大的方法.
• 这项研究有助于更可靠,更有效的生物识别识别系统.