MA-SRGAN,提出超解析度方法有效提升辨識精度

Mask Attention-SRGAN for Mobile Sensing Networks

Chi-En Huang, Ching-Chun Chang and Yung-Hui Li

摘要

生物辨識技術已被證明是身份認證問題的有效解決方案,尤其虹膜辨識以及人臉識別是準確的生物特徵辨識的方法。此外有效提高影像的解析度,將有助於提升生物特徵方法的辨識準確率。

由於物聯網設備在各種應用中的需求不斷增長,為了成本考量,低成本的圖像感測器可能為優先首選,如此一來影像解析度將無法滿足生物辨識上的最低要求,進而導致辨識精度的下降。因此,如何使用低成本圖像感測器並保持生物識別系統的高精度成為一個重要的問題。

在本文中,我們基於 GAN (生成對抗網絡) 中使用的掩碼注意機制,提出了 MA-SRGAN,一種 SISR (單圖像超分辨率) 算法。我們修改了基於 GAN 的超解析度模型中最新的最新技術 — nESRGAN+,通過添加額外的鑑別器部分和額外的損失項來迫使 GAN 在 ROI (感興趣區域) 內更加關注。實驗是在 CASIA-Thousand-v4 數據集和 Celeb Attribute 數據集上進行的。實驗結果表明,所提出的超解析度方法有效提升辨識精度,並成功地學習了關鍵區域內的特徵細節。

返回頂端