今天读了一篇IEEE paper:Iris Recognition With Off-the-Shelf CNN Features: A Deep Learning Perspective,在此做一些笔记。
这篇paper是将现有的CNN架构用于虹膜识别,并对这些架构进行分析与对比。
首先,对于存在的用于虹膜识别的深度学习框架有:DeepIris以及两种DeepIrisNet。DeepIris共有9层网络,一对过滤层,一个卷积层,两个池化层,两个标准化层,两个局部层和一个全连接层。而且这个架构在Q-FIRE 和 CASIA两个数据集上得到了很好的应用。
具体论文:
N. Liu, M. Zhang, H. Li, Z. Sun, and T. Tan, ``Deepiris: Learning pairwise
filter bank for heterogeneous iris verification,’’ Pattern Recognit. Lett.,
vol. 82, no. 2, pp. 154-161, 2015
两种DeepIrisNet,第一种是DeepIrisNet-A,包含8个卷积层(每层后都有一小段标准化层),4个池化层,3个全连接层和2个Drop-out层;第二种是DeepIrisNet-B,在DeepIrisNet-A的基础上添加两个初始化层,以用来增加模型的性能。这两种网络在数据集ND-IRIS-0405 和ND-CrossSensor-Iris-2013上表现良好。
局限:数据集数据不够大,难以训练深度神经网络,为了解决数据集的缺失,迁移学习
具体论文:
A. Gangwar and A. Joshi, ``DeepIrisNet: Deep iris representation with
applications in iris recognition and cross-sensor iris recognition,’’ in Proc.
IEEE Int. Conf. Image Process. (ICIP), Sep. 2016, pp. 23010-2305.
AlexNet
paper:M. D. Zeiler and R. Fergus, ``Visualizing and understanding convolution