FV-UPatches: Enhancing Universality in Finger Vein Recognition

要約

近年、多くの深層学習ベースのモデルが指静脈認識に導入されています。
ただし、これらのソリューションはデータ依存性に悩まされており、モデルの一般化を実現することは困難です。
この問題に対処するために、ドメイン適応のアイデアに触発され、限られたデータでトレーニングしながら一般化を実現するユニバーサル学習ベースのフレームワークを提案します。
データ分布間の差異を減らすために、圧縮されたU-Netがドメインマッパーとして導入され、関心領域の画像をターゲットドメインにマッピングします。
集中ターゲットドメインは、後続のマッチングのための統合された機能スペースであり、ローカル記述子モデルSOSNetを使用して、マッチングペアの類似性を測定する記述子にパッチを埋め込みます。
提案されたフレームワークでは、ドメインマッパーは特定の抽出関数の近似であるため、トレーニングは限られたデータで1回限りの作業です。
さらに、ローカル記述子モデルは、指静脈以外の画像の公開データセットに基づいて、十分に代表的なものになるようにトレーニングできます。
パイプライン全体により、フレームワークを十分に一般化できるため、普遍性を高め、データ収集、調整、および再トレーニングのコストを削減できます。
5つの公開データセットにおける最先端（SOTA）のパフォーマンスに匹敵する実験結果は、提案されたフレームワークの有効性を証明しています。
さらに、このフレームワークは、他の静脈ベースの生体認証にも応用できる可能性を示しています。

要約(オリジナル)

Many deep learning-based models have been introduced in finger vein recognition in recent years. These solutions, however, suffer from data dependency and are difficult to achieve model generalization. To address this problem, we are inspired by the idea of domain adaptation and propose a universal learning-based framework, which achieves generalization while training with limited data. To reduce differences between data distributions, a compressed U-Net is introduced as a domain mapper to map the raw region of interest image onto a target domain. The concentrated target domain is a unified feature space for the subsequent matching, in which a local descriptor model SOSNet is employed to embed patches into descriptors measuring the similarity of matching pairs. In the proposed framework, the domain mapper is an approximation to a specific extraction function thus the training is only a one-time effort with limited data. Moreover, the local descriptor model can be trained to be representative enough based on a public dataset of non-finger-vein images. The whole pipeline enables the framework to be well generalized, making it possible to enhance universality and helps to reduce costs of data collection, tuning and retraining. The comparable experimental results to state-of-the-art (SOTA) performance in five public datasets prove the effectiveness of the proposed framework. Furthermore, the framework shows application potential in other vein-based biometric recognition as well.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google