改进残差网络的指静脉识别

发布时间：2021-05-17 07:56

　　在指静脉识别中,如何利用卷积神经网络提取具有类间分离和类内聚合的静脉特征是当前的研究热点,为此提出了在卷积神经网络中采用中心损失（center loss）用于减小指静脉的类内距离,同时采用softmax loss用于约束类间距离,以此作为网络的损失函数。为了进一步提高模型的表达能力,采用swish激活函数代替线性整流（rectified linear unit,ReLU）激活函数,在此基础上,将全局平均池化层的输出向量进行归一化操作后作为指静脉的特征向量,减少网络参数的同时保留了指静脉的高级语义信息。结果表明:改进后的指静脉识别算法在FV-USM和MMCBNU_-6000这2个数据集上识别的准确率分别达到98.23%和98.35%,优于传统的卷积神经网络识别算法。 

【文章来源】：西安工程大学学报. 2020,34(03)

【文章页数】：8 页

【文章目录】：
0引言
1 指静脉的预处理
2 网络结构设计
    2.1 主体结构
    2.2 swish激活函数
    2.3 联合监督函数
3 结果与分析
    3.1 数据集
    3.2 环境与设置
    3.3 网络结构对比
    3.4 激活函数的对比
    3.5 与其他卷积神经网络的对比
4 结 语


【参考文献】：
期刊论文
[1]基于Siamese卷积神经网络的指静脉识别[J]. 戴庆华,陈光化,唐逍,徐子豪.  电子测量技术. 2018(24)
[2]基于改进深层网络的人脸识别算法[J]. 李倩玉,蒋建国,齐美彬.  电子学报. 2017(03)
[3]基于卷积神经网络的手写数字识别[J]. 李斯凡,高法钦.  浙江理工大学学报(自然科学版). 2017(03)
[4]指静脉识别研究综述[J]. 尹义龙,杨公平,杨璐.  数据采集与处理. 2015(05)
[5]手背静脉图像骨架特征提取的算法[J]. 张晋阳,孙懋珩.  计算机应用. 2007(01)

博士论文
[1]基于手指多模态生物特征的身份认证关键问题研究[D]. 彭加亮.哈尔滨工业大学 2014

硕士论文
[1]基于卷积神经网络的手指静脉认证算法研究[D]. 胡慧.华南理工大学 2018



本文编号：3191405