2022(SCI)
深度学习能否有效提升性能 |
基于预训练的深度学习咋样 |
特征提取鲁棒性 |
深度学习方法仍面临的调整 |
现在是否有真正能危险到FV识别的表示攻击 |
现有的PAD方法有效吗 |
现有的PAD方法是否依赖于识别模型 |
有效的融合算法 |
能否得到鲁棒的融合特征 |
融合方法是否很复杂 |
多模态是否真的比单模态好 |
Li和Fang[51]利用有限的数据集开发了一种用于手指静脉识别的端到端图神经网络(GNN)。该网络包括4个ResNet块,其中包含卷积层、批归一化和LeakyRelu激活函数,2个全连接层和两个退出层,以消除过拟合问题形式模型。该方法在两个数据集上的识别准确率达到99.98%,表明模型收敛速度快。(就是北邮的FVGNN那篇)
Recognition Rate refers to the number of imposter users accepted and the number of genuine users that are rejected.
R
R
=
N
u
m
b
e
r
o
f
f
a
i
l
e
d
a
t
t
e
m
p
t
s
b
y
a
u
t
e
n
t
i
c
u
s
e
r
N
u
m
b
e
r
o
f
a
t
t
e
m
p
t
s
b
y
g
e
n
u
i
n
e
u
s
e
r
RR = \frac{Number\ of\ failed\ attempts\ by\ autentic\ user}{Number\ of\ attempts\ by\ genuine\ user}
RR=Number of attempts by genuine userNumber of failed attempts by autentic user
(有些迷惑,到底这个RR的分子分母是谁,按混淆矩阵算的话,之前的理解就是查全率Recall也就是TPR来自)