본 논문은 DenseNet과 squeeze-and-excitation(SE) 기반 채널 주의(channel attention) 메커니즘 및 하이브리드 풀링(HP) 메커니즘을 통합한 새로운 손가락 정맥 인식 모델 SE-DenseNet-HP를 제안한다. 손가락 정맥 패턴을 배경과 뚜렷하게 구분하기 위해 원본 손가락 정맥 영상을 영역-관심영역(region-of-interest, ROI) 추출, 대비 향상, 중간값 필터링, 적응 임계값 처리, 그리고 형태학적 연산을 통해 전처리한다. 이후 전처리된 영상은 강건한 특징 추출과 인식을 위해 SE-DenseNet-HP에 입력된다. DenseNet 기반 백본은 특징 맵 연결(feature map concatenation)을 통해 특징 전파를 향상시키고 특징 재사용을 유도함으로써 정보 흐름을 개선한다. SE 모듈은 채널 주의 메커니즘을 사용하여 손가락 정맥 패턴과 관련된 중요 특징을 강조하는 한편, 상대적으로 덜 중요한 특징은 억제한다. SE-DenseNet-HP의 전이(transition) 블록에서 사용되는 HP 아키텍처는 평균 풀링 방식과 최대 풀링 전략을 결합하여 가장 구별적인 정보와 문맥적 정보를 모두 보존한다. SE-DenseNet-HP는 양질의 FVUSM 및 HKPU 데이터셋에서 각각 99.35%와 93.28%의 인식 정확도를 달성하였으며, 이는 기존 방법론의 성능을 능가한다. 또한 FVUSM, HKPU, UTFVP 및 MMCBNU_6000 데이터셋에서 더 나은 일반화 성능을 보였고, 각각 0.03%, 1.81%, 0.43%, 1.80%의 현저하게 낮은 동등오류율(equal error rate, EER)을 달성하였다.
*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.