.png){kind=icon}
返回
TinySiamese network for biometric analysis
.png){kind=icon}
OA
AI
DOI：10.1007/s13042-025-02694-x.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
生物特征识别是一项复杂的任务，需要机器学习算法，包括卷积神经网络（CNNs）和孪生网络。此外，在将这些算法用于图像验证和分类任务时，需要考虑几个局限性。实际上，训练可能是计算密集型的，并可能需要大量计算资源来进行训练和部署。此外，它需要大量的标注数据，而这些数据的获取成本可能很高。与标准孪生网络相比，提出的TinySiamese的主要优势在于其训练不需要完整的CNN。实际上，使用预训练的CNN作为特征提取器，并用TinySiamese学习提取的特征，在生物特征验证方面几乎达到了与标准孪生网络相同的性能和效率。通过这种方式，TinySiamese通过使用不超过七层的少量层解决了内存问题。它可以在低功耗机器上运行，这些机器配备普通GPU且无法分配大量RAM空间。使用仅8 GB内存的TinySiamese，在B2F（指纹和面部生物特征图像）、FVC2000、FVC2002和FVC2004数据集上的匹配时间减少了76.78%，而在B2F、FVC2002、THDD-part1和CASIA-B数据集上，10个epoch的训练时间下降了约93.14%。指纹、步态（NM-angle $$180^\circ$$）和面部验证任务的准确率分别比标准孪生网络提高了0.87%、20.24%和3.85%。TinySiamese在指纹和步态分类任务上达到了与相关研究相当的准确率。
Keyword:
Biometrics
Classification
Siamese
TinySiamese
Verification
期刊
IF:
2.7
论文数:
3.2K
被引数:
5.6K
机构
引用论文
A novel fingerprint recognition method based on a Siamese neural network一种基于Siamese神经网络的新型指纹识别方法
PREAI
分享收藏
分享收藏Proposed methodology for gait recognition using generative adversarial network with different feature selectors基于生成对抗网络并结合不同特征选择器的步态识别方法研究
PREAI
分享收藏Fingerprint pattern classification using deep transfer learning and data augmentation.png)
VISUAL COMPUTER
VISUAL COMPUTERIF2.9
PREAI
分享收藏Gaitset: Cross-view gait recognition through utilizing gait as a deep setGaitset：通过利用步态作为深度集合进行跨视图步态识别
IF0
PREAI
分享收藏Face Recognition Method Based on Siamese Networks Under Non-Restricted ConditionsIEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容