基于深度残差网络的轻量级指静脉识别算法 |
| |
引用本文: | 牟家乐,沈雷,刘浩,郑鹏.基于深度残差网络的轻量级指静脉识别算法[J].杭州电子科技大学学报,2023(2):35-40+46. |
| |
作者姓名: | 牟家乐 沈雷 刘浩 郑鹏 |
| |
作者单位: | 杭州电子科技大学通信工程学院 |
| |
摘 要: | 提出一种基于深度残差网络的轻量级指静脉识别算法。首先,以ResNet34为基础,使用深度可分离卷积代替传统卷积,加入SE(Squeeze and Excitation)注意力机制模块来提取手指静脉空间域上的细节特征,并引入宽度缩放因子,进一步压缩网络;其次,在训练中引入教师-学生网络模式,对轻量级深度残差网络进行知识蒸馏训练,并使用知识蒸馏损失、CurricularFace和交叉熵损失对网络进行联合监督,解决了轻量级深度残差网络因学习参数量较少引起的性能下降问题。分别在FV-USM数据集、Lab-Normal数据集和Lab-Special数据集上进行仿真实验,结果表明,同基于轻量级网络MobileFaceNet的识别算法相比,提出的算法有效提高了零误识识别率和Top1排序性能。
|
关 键 词: | 指静脉识别 网络压缩 知识蒸馏 宽度缩放因子 深度学习 |
|
|