Exploring Deep Learning Image Super-Resolution for Iris Recognition

要約

この研究では、虹彩認識問題に適用して、低解像度画像と高解像度画像の間のエンドツーエンドのマッピングを提供する深層学習手法の機能をテストします。
ここでは、2 つのディープ ラーニング単一画像超解像度アプローチの使用を提案します。スタックド オート エンコーダー (SAE) と、可能な限り軽量な構造を備えた畳み込みニューラル ネットワーク (CNN) で、高速化を実現し、ローカル情報を保持し、アーティファクトを低減します。
同じ時間です。
1.872 枚の近赤外虹彩画像のデータベースを使用して方法を検証し、品質評価と認識実験を行って、比較したアルゴリズムよりも深層学習アプローチの優位性を示しました。

要約(オリジナル)

In this work we test the ability of deep learning methods to provide an end-to-end mapping between low and high resolution images applying it to the iris recognition problem. Here, we propose the use of two deep learning single-image super-resolution approaches: Stacked Auto-Encoders (SAE) and Convolutional Neural Networks (CNN) with the most possible lightweight structure to achieve fast speed, preserve local information and reduce artifacts at the same time. We validate the methods with a database of 1.872 near-infrared iris images with quality assessment and recognition experiments showing the superiority of deep learning approaches over the compared algorithms.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google