Redes Neurais Convolucionais MobileNet e Máquinas de Vetores de Suporte para Reconhecimento de Impressões de Palma

Devido à facilidade de manuseio com imagens de baixa resolução, hardware de baixo custo e alta precisão de reconhecimento, o reconhecimento de impressões de palma tem atraído atenção nos últimos anos. Muitas características diferentes extraídas da imagem da impressão de palma foram empregadas para realizar as tarefas de reconhecimento. A maior parte dos esforços de reconhecimento, consequentemente, foi direcionada ao design e à obtenção de um conjunto relevante de características efetivas elaboradas manualmente, o que é considerado a desvantagem dos sistemas tradicionais de reconhecimento biométrico baseados em imagem. Para superar o problema mencionado, neste artigo exploramos a aplicabilidade das redes neurais convolucionais profundas MobileNet V2 no reconhecimento de impressões de palma através do ajuste fino de redes neurais MobileNet pré-treinadas. Também exploramos o desempenho das máquinas de vetores de suporte (SVM) com dropout, treinando-as nas características profundas das redes pré-treinadas semelhantes. Os experimentos foram realizados utilizando conjuntos de dados fornecidos pela Universidade Politécnica de Hong Kong de Ciência e Tecnologia. O conjunto de dados consiste em 6000 imagens em escala de cinza de 128x128 pixels de 500 palmas diferentes. É demonstrado que os esquemas propostos apresentam desempenhos de última geração nos conjuntos de dados. O segundo esquema, características baseadas no MobileNet V2 com classificador SVM, é capaz de alcançar a melhor taxa média de precisão em testes e validação de 100%, superando os melhores resultados previamente relatados.