Jan, 2018

使用深度卷积神经网络进行指纹畸变校正

PDF
TL;DR本文提出了一种基于深度卷积神经网络的指纹形变修正模型，可快速准确地估计图像的形变参数，从而显著提高了扭曲样本的匹配性能。
fingerprint recognition systemselastic distortiondeep convolutional neural networkdistortion parametersmatching performance
发现论文，激发创造
  • 从单个指纹图像直接回归失真场

    通过自基准参考网络直接估计指纹畸变场，我们提出了一种能够输出各种指纹姿势的精确畸变场的指纹矫正方法，从而取得了畸变场估计和矫正指纹匹配方面的最先进性能。

    Apr, 2024

  • 从单一指纹图像回归密集失真场

    本文提出了一种基于自我参考的网络方法，用于直接估计各种手指姿势和扭曲模式下扭曲指纹的密集扭曲场，实验证明该方法在扭曲场估计和校正指纹匹配方面达到了最先进的性能。

    Apr, 2024

  • 基于深度学习的盲图像几何失真校正

    我们提出了第一个通用框架，用于自动纠正单个输入图像中不同类型的几何畸变。我们的方法采用卷积神经网络（CNN），通过使用大型合成畸变数据集进行训练，以预测扭曲图像和校正图像之间的位移场。模型拟合方法使用 CNN 输出估计畸变参数，实现更准确的预测，并使用高效，高质量的重采样方法生成最终的校正图像。实验结果表明，我们的算法优于传统的校正方法，可实现有趣的应用，如畸变转移，畸变夸张和共同发生的畸变校正。

    Sep, 2019

  • DeepCorrect: 对抗图像扭曲的深度神经网络模型校正

    本文提出了一种称为 DeepCorrect 的方法，通过对权值进行微调，修正深度神经网络中感受野受损图像变形的问题，该方法显著提高了网络的鲁棒性和性能。

    May, 2017

  • 使用离散余弦变换的深度卷积神经网络进行失真鲁棒图像分类

    本文提出一种基于离散余弦变换的 DCT-Net 模块，可用于改善卷积神经网络 (CNN) 在面对包括高噪音、模糊等多种苟且不净的图像质量下的分类表现。通过丢弃高频信息，DCT-Net 能够在训练和测试过程中自适应地适应各种扭曲情况，仅需盲目一次训练即可用于未知的图像失真情况，结果表明 DCT-Net 在 CIFAR-10/100 和 ImageNet 测试数据集上具有更好的分类准确性。

    Nov, 2018

  • 用于潜在指纹重建的生成卷积网络

    利用生成卷积网络对指纹进行去噪和缺失图案预测的方法，作为指纹识别前的预处理步骤，能够显著降低 false positive 和 false negative 检测率，并可与多种标准特征提取方法结合使用，如 MINDTCT，MCC，BOZORTH3 等，本方法在使用不同传感器捕获的多个公开指纹数据集上进行了测试。

    May, 2017

  • 使用全卷积网络估计位移流进行文档图像去扭曲

    通过全卷积神经网络 (FCN) 估算像素位移来实现文档图像矫正与背景消除，我们提出了一种新的框架来估算像素位移，训练 FCN 通过回归失真文档的位移，我们提出了局部平滑约束（LSC）作为正则化以控制平滑度。实验表明，我们的方法在各种几何失真下可有效去除文档图像畸变，并在局部细节和总体效果上取得了最先进的性能。

    Apr, 2021

  • 使用深度卷积神经网络对失真图像进行分类

    本文系统研究图像失真对深度神经网络分类器的影响，提出了重训练与加噪音微调两种方法，结果表明在特定条件下，加噪音微调可以有效减轻图像失真对分类器的影响，并且比重新训练更为实用。

    Jan, 2017

  • U-Finger: 多尺度扩张卷积网络用于指纹图像去噪和修复

    本文介绍了一种多尺度卷积网络 ——U-Finger，用于指纹图像去噪和修复，通过使用膨胀卷积和去除填充等方法，在保留细节纹理的同时消除了复杂的伪影，并在 ECCV 2018 Chalearn LAP Inpainting 比赛中取得了第二名的好成绩。

    Jul, 2018

  • 高质量韧性深度神经网络

    研究神经网络在图像分类中受质量失真的影响，提出了一种基于混合专家模型的解决方案，通过权重共享方式减少网络参数数量并提高性能。

    Mar, 2017