삼중항 손실 기반의 잔여 네트워크를 이용한 손가락 정맥 인식 (Triplet Loss-based Finger-Vein Identification using Residual Networks)

서지정보

· 발행기관 : 대한전자공학회
· 수록지 정보 : 전자공학회논문지 / 58권 / 5호 / 31 ~ 38페이지
· 저자명 : 강영묵, 최정규, 김학일

초록

본 논문은 높은 정확도의 손가락 정맥 인식을 위해 삼중항 손실 기반의 심층 신경망을 설계하여 손가락 정맥 인식 알고리즘을 개발하는 것을 목적으로 한다. 심층 신경망을 이용한 분류기는 높은 정확도를 보장하기 위해 많은 학습 데이터가 필요하다. 그러나 손가락 정맥 인식에서는 학습 데이터가 적으면서 판별해야 할 클래스가 많기 때문에 기존 심층 신경망을 이용한 분류기는 적합하지 않다. 이러한 문제를 해결하기 위해, 서로 유사성을 가진 손가락 정맥 이미지를 차별적으로 학습하는 네트워크 구조를 설계하고, 높은 정확도의 인식률을 이끌어 내기 위한 목적 함수를 제안한다. 본 논문에서는 손가락 정맥 패턴의 특성에 최적화시키기 위해, 멀티 클래스 크로스 엔트로피와 삼중항 손실이 결합된 네트워크를 구축하여 인식률을 효과적으로 개선한다. 실험 결과 MMCBNU, FV_USM 그리고 SDUMLA 데이터 셋에서 각각 99.40%, 99.48%, 95.91% 정확도로 우수한 성능을 나타낸다.

영어초록

The purpose of this paper is to develop a finger-vein identification algorithm by designing a deep neural network based on triplet loss for high accuracy. classifiers using deep neural networks require a lot of learning data to ensure high accuracy. However, in finger-vein identification, the classifier using the existing deep neural network is not suitable. Because the learning data is small and there are many classes to be identified. To solve this problem, we propose a network structure and loss function that extracts and identifies more differentiated features from finger-vein images for high accuracy. To learn the network by optimizing the characteristics of the finger-vein pattern, we construct a network that combines multi-class cross-entropy loss and triplet loss to effectively improve the identification accuracy. Experimental results show performance with 99.40%, 99.48%, 95.91% accuracy in the MMCBNU, FV_USM, and SDUMLA dataset.

참고자료

· 없음