.png){kind=icon}
返回
Robust fingerprint classification with Bayesian convolutional networks
.png){kind=icon}
PRE
AI
DOI：10.1049/iet-ipr.2018.5466.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
指纹分类对于减少指纹识别系统的搜索时间和计算复杂度至关重要。分类器的鲁棒性依赖于提取特征的质量以及处理低质量指纹的能力。深度卷积神经网络（DCNNs）能够从原始指纹图像中学习精确特征，而非依赖显式特征提取，这使得其在指纹分类中具有吸引力。DCNNs使用softmax函数来量化模型对输入指纹图像中某一类别的置信度以进行预测。然而，softmax概率并非模型置信度的真实表示，且在特征空间中可能因无法用现有训练样本表示而具有误导性。本研究的主要目标是利用贝叶斯模型不确定性来处理误报，从而提升指纹分类的有效性。通过在NIST特殊数据库4（NIST‐4）和指纹验证竞赛2002数据库1‐A（FVC DB1‐A）2002及2004数据集上的实验验证了所提方法的有效性。结果表明，相较于传统DCNN，引入模型不确定性后，准确率提升了0.8%至1.0%。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
暂无期刊信息
机构
暂无机构信息
引用论文
暂无论文信息