典型文献
基于深度卷积网络的非接触式掌纹识别与验证
文献摘要：
针对非接触式掌纹图像存在手姿态、光照等干扰因素的问题,提出了使用深度卷积网络来提取非接触式掌纹特征的识别方法,对不同网络提取非接触式掌纹特征的性能进行了验证.为了提高实用性,避免非接触式掌纹验证前的ROI提取操作,提出了基于Siamese Network的非接触式掌纹验证方法.选用了 ResNet、DenseNet、MobileNetV2和RegNet 4个卷积神经网络模型,在IITD、Tongji和MPD3个非接触式掌纹数据集上做了非接触式掌纹识别的评估实验,在IITD数据集上进行了训练和验证.MobileNetV2在IITD数据集上的收敛速度最快,RegNet在Tongji、MPD两个数据集上的收敛速度明显快于另外3个网络.RegNet在3个数据集上的识别率均最高,且较传统方法有所提高.实验结果表明,用深度卷积网络提取非接触式掌纹特征的方法有更好的识别结果.基于Siamese Network的非接触式掌纹验证方法对自然场景下的掌纹图像有较好的验证结果,且对光照和手姿态具有一定的鲁棒性.
文献关键词：
卷积神经网络;掌纹识别;掌纹验证;非接触式;迁移学习;Siamese Network
中图分类号：
作者姓名：
许赫庭;木特力甫·马木提;阿力木江·艾沙;努尔毕亚·亚地卡尔;库尔班·吾布力
作者机构：
新疆大学信息科学与工程学院,新疆乌鲁木齐830046;新疆大学图书馆,新疆乌鲁木齐830046;新疆大学新疆多语种信息技术重点实验室,新疆乌鲁木齐830046
文献出处：
引用格式：
[1]许赫庭;木特力甫·马木提;阿力木江·艾沙;努尔毕亚·亚地卡尔;库尔班·吾布力-.基于深度卷积网络的非接触式掌纹识别与验证)[J].东北师大学报（自然科学版）,2022(04):93-99
A类：
掌纹验证,IITD,MPD3
B类：
深度卷积网络,非接触式,掌纹识别,干扰因素,使用深度,掌纹特征,提高实用性,ROI,Siamese,Network,验证方法,ResNet,DenseNet,MobileNetV2,RegNet,卷积神经网络模型,Tongji,收敛速度,快于,识别率,自然场景,迁移学习
AB值：
0.176343
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
