在指靜脈識(shí)別中,如何利用卷積神經(jīng)網(wǎng)絡(luò)提取具有類間分離和類內(nèi)聚合的靜脈特征是當(dāng)前的研究熱點(diǎn),為此提出了在卷積神經(jīng)網(wǎng)絡(luò)中采用中心損失（center loss）用于減小指靜脈的類內(nèi)距離,同時(shí)采用softmax loss用于約束類間距離,以此作為網(wǎng)絡(luò)的損失函數(shù)。為了進(jìn)一步提高模型的表達(dá)能力,采用swish激活函數(shù)代替線性整流（rectified linear unit,ReLU）激活函數(shù),在此基礎(chǔ)上,將全局平均池化層的輸出向量進(jìn)行歸一化操作后作為指靜脈的特征向量,減少網(wǎng)絡(luò)參數(shù)的同時(shí)保留了指靜脈的高級(jí)語(yǔ)義信息。結(jié)果表明:改進(jìn)后的指靜脈識(shí)別算法在FV-USM和MMCBNU_-6000這2個(gè)數(shù)據(jù)集上識(shí)別的準(zhǔn)確率分別達(dá)到98.23%和98.35%,優(yōu)于傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)識(shí)別算法。 

【文章來(lái)源】：西安工程大學(xué)學(xué)報(bào). 2020,34(03)

【文章頁(yè)數(shù)】：8 頁(yè)

【文章目錄】：
0引言
1 指靜脈的預(yù)處理
2 網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)
    2.1 主體結(jié)構(gòu)
    2.2 swish激活函數(shù)
    2.3 聯(lián)合監(jiān)督函數(shù)
3 結(jié)果與分析
    3.1 數(shù)據(jù)集
    3.2 環(huán)境與設(shè)置
    3.3 網(wǎng)絡(luò)結(jié)構(gòu)對(duì)比
    3.4 激活函數(shù)的對(duì)比
    3.5 與其他卷積神經(jīng)網(wǎng)絡(luò)的對(duì)比
4 結(jié) 語(yǔ)


【參考文獻(xiàn)】：
期刊論文
[1]基于Siamese卷積神經(jīng)網(wǎng)絡(luò)的指靜脈識(shí)別[J]. 戴慶華,陳光化,唐逍,徐子豪.  電子測(cè)量技術(shù). 2018(24)
[2]基于改進(jìn)深層網(wǎng)絡(luò)的人臉識(shí)別算法[J]. 李倩玉,蔣建國(guó),齊美彬.  電子學(xué)報(bào). 2017(03)
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的手寫數(shù)字識(shí)別[J]. 李斯凡,高法欽.  浙江理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(03)
[4]指靜脈識(shí)別研究綜述[J]. 尹義龍,楊公平,楊璐.  數(shù)據(jù)采集與處理. 2015(05)
[5]手背靜脈圖像骨架特征提取的算法[J]. 張晉陽(yáng),孫懋珩.  計(jì)算機(jī)應(yīng)用. 2007(01)

博士論文
[1]基于手指多模態(tài)生物特征的身份認(rèn)證關(guān)鍵問(wèn)題研究[D]. 彭加亮.哈爾濱工業(yè)大學(xué) 2014

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的手指靜脈認(rèn)證算法研究[D]. 胡慧.華南理工大學(xué) 2018



本文編號(hào)：3191405