指静脉数据不够？FVeinSyn生成50万张图，训练准确率暴涨27.43%！
FVeinSyn: Synthetic Finger Vein Image Generator
📖 AI 总结
该论文提出了一种名为FVeinSyn的指静脉图像合成框架，旨在解决指静脉识别领域缺乏大规模公开数据集的问题。现有数据集身份数量少、每指样本有限，制约了深度学习方法的性能。FVeinSyn通过解耦血管拓扑结构与成像外观的生成过程，分三步实现合成：利用随机L系统在生理和几何约束下生成具有身份特异性的血管模式，通过级联区域感知GAN将拓扑图渲染为逼真的近红外图像，再引入几何与光学扰动模拟类内变化。基于该框架生成了包含10,000个身份、共500,000张图像的数据集。实验表明，合成数据在真实性、身份多样性、血管模式一致性和类内多样性方面优势显著，在八个公共数据集上，使用FVeinSyn训练的模型相比仅用真实数据的基线平均准确率提升27.43%。
🔑 关键词速览
| FVeinSyn | 一种用于指静脉的大规模可控合成数据生成框架，通过解耦血管拓扑和成像外观生成逼真的指静脉图像。 |
| L-systems | 一种形式化语法，用于模拟植物等生物结构的生长过程，此处用于生成血管拓扑模式。 |
| GAN | 生成对抗网络，由生成器和判别器组成，用于生成逼真的图像。 |
| 血管拓扑结构 | 指静脉血管的几何分布和连接模式，是身份识别的关键特征。 |
| 类内多样性 | 同一身份在不同采集条件下的图像变化，如手指旋转、光照变化等，用于增强模型的鲁棒性。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅