使用动态数据增强和对比学习进行虹膜验证

文档摘要：虹膜验证因其独特性、稳定性和非侵入性而受到广泛关注.深度学习技术在虹膜验证领域取得了重要的进展,通过使用卷积神经网络(Convolutionalneuralnetwork,CNN),可以自动提取和学习虹膜图像的特征,实现高精度的身份验证.然而,类内变异性和有限的数据规模等挑战可能会影响验证准确性.为了解决这些问题,我们提出了一种基于动态数据增强和对比学习的虹膜验证方法.设计了四种数据增强策略,用于在线虹膜增强和数据集扩展,通过使用数据增强概率调度器(Dataaugmentationprobabilityscheduler,DAPS),进一步提高了虹膜验证的准确性.采用MobileNetV3作为骨干网络,并通过对比学习对其进行优化,用于处理3通道的虹膜对.提出的方法在两个基准虹膜数据库,CASIA-V4-Interval和CASIA-V4-Thousand上进行了评估,准确性分别达到了99.85％和98.82％.实验结果表明,在训练样本数量较少的情况下,该方法可获得具有竞争性的性能.

Abstract：Irisverificationhasgainedextensiveattentionbecauseofitsuniqueness,stability,andnon-invasiveness.Deeplearningtechniqueshavemadesignificantprogressinthefieldofirisverification.Byusingconvolutionalneuralnetworks(CNNs),featuresofirisimagescanbeautomaticallyextractedandlearned,enablinghigh-precisionidentityverification.However,challengessuchasintra-classvariabilityandlimiteddatasetsizecancompromiseverificationaccuracy.Toaddresstheseissues,weproposedanirisverificationmethodbasedondynamicdataaugmentationandcontrastivelearning.Fourdataaugmentationstrategieswerecarefullydesignedforonlineirisenhancementanddatasetexpansion,andtheaccuracyofirisverificationwasfurtherimprovedbyusingdataaugmentationprobabilityscheduler(DAPS).TheMobileNetV3wasemployedasthebackbonenetwork,whichwasoptimizedwithcontrastivelearningfor3-channelirispairs.Theproposedmethodwasevaluatedontwobenchmarkirisdatabases,CASIA-V4-IntervalandCASIA-V4-Thousand,achievinghighaccuraciesof99.85％and98.82％,respectively.Experimentalresultsdemonstratethattheproposedmethodcanachievecompetitiveperformancewithasmallnumberoftrainingsamples.

作者：贺兰迪  纪德赞  董兴辰  苏明鑫  周卫东Author：HELandi  JIDezan  DONGXingchen  SUMingxin  ZHOUWeidong
作者单位：山东大学微电子学院,山东济南250101
刊名：测试科学与仪器
Journal：JournalofMeasurementScienceandInstrumentation
年，卷(期)：2024, 15(1)
分类号：
关键词：虹膜验证  对比学习  卷积神经网络  数据增强  
Keywords：irisverification  contrastivelearning  convolutionalneuralnetwork(CNN)  dataaugmentation  
机标分类号：TP391.41N32TN912.34
在线出版日期：2024年4月28日
基金项目：使用动态数据增强和对比学习进行虹膜验证[
期刊论文]  测试科学与仪器--2024, 15(1)贺兰迪  纪德赞  董兴辰  苏明鑫  周卫东虹膜验证因其独特性、稳定性和非侵入性而受到广泛关注.深度学习技术在虹膜验证领域取得了重要的进展,通过使用卷积神经网络(Convolutionalneuralnetwork,CNN),可以自动提取和学习虹膜图像的特征,实现高精度的身份验证...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文

关键词：虹膜验证,对比学习,卷积神经网络,数据增强,

2024-10-4 01:44 上传 使用动态数据增强和对比学习进行虹膜验证.pdf

文件大小:

1.76 MB

下载次数:

60

高速下载