申请/专利权人:华南理工大学
申请日:2024-02-06
公开(公告)日:2024-05-07
公开(公告)号:CN117993462A
主分类号:G06N3/08
分类号:G06N3/08;G06N3/048;G06F18/213;G06F18/22;G06F18/2415;G06F18/2431;G06V10/82;G06V10/44;G06V10/74;G06V10/764;G06V40/00;G10L17/02;G10L17/04;G10L17/18
优先权:
专利状态码:在审-公开
法律状态:2024.05.07#公开
摘要:本发明提供了一种基于自适应损失函数的生物特征认证方法、介质及设备;其中,方法为:采用神经网络模型对待认证信息进行特征提取,然后根据提取到的特征得到生物认证结果;神经网络模型训练时,采用自适应损失函数:其中,θl表示代理和归一化样本特征之间的角度;s表示尺度系数;C为训练样本类别数量;m表示自适应间隔系数。该方法采用的自适应损失函数具有非常稳定和优越的性能表现,从而提升神经网络模型的性能,提高生物特征认证的准确率。
主权项:1.一种基于自适应损失函数的生物特征认证方法,其特征在于:采用神经网络模型对待认证信息进行特征提取,然后根据提取到的特征得到生物认证结果;所述神经网络模型训练时,采用自适应损失函数自适应损失函数为: 其中,θl表示代理和归一化样本特征之间的角度;x表示输入到神经网络模型Softmax函数的样本特征,l表示样本特征x的标签;Wl表示神经网络模型Softmax函数权重矩阵的第l行,s表示尺度系数;C为训练样本类别数量;a为常数;m表示自适应间隔系数;所述自适应间隔系数m通过如下公式计算得到:m=maxma+Δm,mth 其中,ma表示当前间隔;mth表示设定的自适应间隔系数m的最小值;Δm表示间隔差值;clamp表示截断操作,若超出范围,则截断为Dmin或Dmax;mu表示间隔探索的上限。
全文数据:
权利要求:
百度查询: 华南理工大学 基于自适应损失函数的生物特征认证方法、介质及设备
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。