买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明公布】基于轻量级网络及深度哈希的指静脉识别方法_华南理工大学_202210695658.3 

申请/专利权人:华南理工大学

申请日:2022-06-20

公开(公告)日:2022-09-16

公开(公告)号:CN115063845A

主分类号:G06V40/14

分类号:G06V40/14;G06V10/25;G06V10/44;G06V10/764;G06V10/82;G06N3/04;G06N3/08

优先权:

专利状态码:在审-实质审查的生效

法律状态:2022.10.04#实质审查的生效;2022.09.16#公开

摘要:本发明公开了一种基于轻量级网络及深度哈希的指静脉识别方法,包括:1获取数据库中指静脉图像的ROI区域并处理,得到训练数据;2构造轻量级指静脉的特征提取网络,输出指静脉特征向量;3将指静脉特征向量输入深度哈希网络得到哈希编码;4为特征提取网络训练设计损失函数Lf;5为深度哈希网络训练设计量化损失Lq;6输入训练数据,对网络训练;7将训练数据输入到训练好的网络中,得到对应的哈希编码并保存,得到哈希编码库;8输入待识别指静脉数据到训练好的网络得到哈希编码,并在哈希编码库进行检索识别。本发明解决了现有的深度学习指静脉识别模型结构复杂且特征提取与哈希编码非端到端的问题。

主权项:1.基于轻量级网络及深度哈希的指静脉识别方法,其特征在于,包括以下步骤:1获取数据库中指静脉图像的ROI区域,进行标准化操作,得到训练数据;2构造block结构,利用block结构搭建轻量级指静脉的特征提取网络,该网络有3个block结构,通过对3个block输出特征图进行复用,再经过全局最大池化得到指静脉特征向量;3构造深度哈希网络,对步骤2得到的指静脉特征向量进行编码得到哈希编码向量;4为步骤2中特征提取网络训练设计损失函数Lf,包括基于三元组的损失Tripletloss及基于中心的损失Centerloss;5为步骤3深度哈希网络训练设计基于三元组的量化损失Lq;6输入训练数据,对步骤2特征提取网络及步骤3深度哈希网络进行训练,根据Lf、Lq分别对特征提取网络及深度哈希网络进行参数优化更新;7将训练数据输入到步骤6训练好的网络中,得到训练数据对应的哈希编码并保存,得到哈希编码库;8输入待识别指静脉数据到训练好的网络,得到哈希编码向量,并在步骤7得到的哈希编码库中遍历,采用汉明距离实现快速检索识别。

全文数据:

权利要求:

百度查询: 华南理工大学 基于轻量级网络及深度哈希的指静脉识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。