PFIG-Palm:可通过像素和特征身份指导进行可控的手指纹生成
概括
这项研究引入了一个新的框架,用于使用贝齐尔曲线生成现实的手掌纹,通过合成数据将手掌纹识别精度提高了18%以上. 像素和特征身份指导 (PFIG) 方法确保合成手掌印的精确身份控制.
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
- 机器学习 机器学习
背景情况:
- 掌纹识别对于安全认证至关重要,但受到小型数据集的限制.
- 现有的合成手指纹方法在精确的身份控制方面存在困难.
- 贝济埃曲线提供了一个生成的方法,但缺乏直接的身份映射.
研究的目的:
- 开发一种新的框架来合成可控身份的真实手掌纹.
- 为了克服精确的身份映射在曲线驱动的合成手掌纹生成的挑战.
- 用合成数据提高手掌纹识别的准确性.
主要方法:
- 提出了像素和特征身份指导 (PFIG) 框架.
- 引入了一个ID注入 (IDI) 模块用于伪配对数据合成.
- 在像素和特征层面实施了跨域ID一致性损失.
主要成果:
- PFIG框架成功地合成了具有严格规范身份的现实手掌纹.
- 通过使用8万个合成手掌纹进行预训练,在识别准确度 (TAR@1e-6) 中实现了超过18%的改进.
- 当仅在合成数据上进行训练时,超越现有的合成方法.
结论:
- 拟议的ID导向合成方法可以实现可控和现实的手掌印记生成.
- PFIG框架显著提高了手指纹识别性能,特别是在有限的真实数据下.
- 这种方法为生物识别研究中增强数据集提供了可行的解决方案.
