基于深度卷积神经网络的指纹纹型分类算法

被引：6

作者：

江璐 ^{[1
]}

赵彤 ^{[2
,3
]}

吴敏 ^{[2
]}

机构：

[1] 中国科学院大学计算机与控制学院

[2] 中国科学院大学数学科学学院

[3] 中国科学院大数据挖掘与知识管理重点实验室

来源：

中国科学院大学学报 | 2016年 / 33卷 / 06期

关键词：

指纹纹型分类; 卷积神经网络; 指纹识别;

D O I：

暂无

中图分类号：

TP391.41 []; TP183 [人工神经网络与计算];

学科分类号：

080203 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

传统指纹纹型分类算法的准确率直接受到相应特征提取算法的影响.在海量指纹库中,同类纹型指纹形态变化明显增大,不同类纹型界限变得模糊,仅通过人工定义的特征进行分类很难适应全部指纹数据.为解除纹型分类问题与人工定义的特征提取问题的耦合,提出一种直接在指纹原图上进行纹型识别的算法.利用卷积神经网络自动特征提取的能力从大量指纹数据中学习得到纹型特征,并通过对训练数据的设计使网络能够适应指纹的多样性,提升算法的鲁棒性.此外,多尺度网络模型平均方法使分类准确性得到进一步提升.在国际公开指纹数据集NIST DB4上测得纹型四分类准确率达94.2%.

引用

页码：808 / 814

页数：7

共 7 条

[1]

Fingerprint Classification Combining Curvelet Transform and Gray-Level Cooccurrence Matrix[J] . Jing Luo,Dan Song,Chunbo Xiu,Shuze Geng,Tingting Dong,L. W. Zhang. Mathematical Problems in Engineering . 2014

[2]

Noisy and incomplete fingerprint classification using local ridge distribution models[J] . Hye-Wuk Jung,Jee-Hyong Lee. Pattern Recognition . 2014

[3] Fingerprint classification by a hierarchical classifier [J].

Cao, Kai ;

Pang, Liaojun ;

Liang, Jimin ;

Tian, Jie .

PATTERN RECOGNITION, 2013, 46 (12) :3186-3197

[4] A Few Useful Things to Know About Machine Learning [J].

Domingos, Pedro .

COMMUNICATIONS OF THE ACM, 2012, 55 (10) :78-87

[5]

Deep, Big, Simple Neural Nets for Handwritten Digit Recognition[J] . Dan Claudiu Cire&scedil,an. Neural Computation . 2010 (12)

[6]

Fingerprint classification using one-vs-all support vector machines dynamically ordered with na?¨ve Bayes classifiers[J] . Jin-Hyuk Hong,Jun-Ki Min,Ung-Keun Cho,Sung-Bae Cho. Pattern Recognition . 2007 (2)

[7] Fingerprint classification [J].

Karu, K ;

Jain, AK .

PATTERN RECOGNITION, 1996, 29 (03) :389-404

← 1 →