| 卷积神经网络在掌纹识别中的性能评估 |
| |
| 引用本文： | 王海纶,李书杰,贾伟,刘晓平.卷积神经网络在掌纹识别中的性能评估[J].中国图象图形学报,2019,24(8):1231-1248. |
| |
| 作者姓名： | 王海纶 李书杰 贾伟 刘晓平 |
| |
| 作者单位： | 合肥工业大学计算机与信息学院, 合肥 230009,合肥工业大学计算机与信息学院, 合肥 230009,合肥工业大学计算机与信息学院, 合肥 230009,合肥工业大学计算机与信息学院, 合肥 230009 |
| |
| 基金项目： | 国家自然科学基金项目（61673157，61877016，61802103，61602146） |
| |
| 摘 要： | 目的 掌纹识别技术作为一种新兴的生物特征识别技术越来越受到广泛重视。深度学习是近10年来人工智能领域取得的重要突破。但是，基于深度学习的掌纹识别相关研究还比较初步，尤其缺乏深入的分析和讨论，且已有的工作使用的都是比较简单的神经网络模型。为此，本文使用多种卷积神经网络对掌纹识别进行性能评估。方法 选取比较典型的8种卷积神经网络模型，在5个掌纹数据库上针对不同网络模型、学习率、网络层数、训练数据量等进行性能评估，展开实验，并与经典的传统掌纹识别方法进行比较。结果 在不同卷积神经网络识别性能评估方面，ResNet和DenseNet超越了其他网络，并在PolyU M_B库上实现了100%的识别率。针对不同学习率、网络层数、训练数据量的实验发现，5×10-5为比较合适的识别率；网络层数并非越深越好，VGG-16与VGG-19的识别率相当，ResNet层数由18层逐渐增加到50层，识别率则逐渐降低；参与网络训练的数据量总体来说越多越好。对比传统的非深度学习方法，卷积神经网络在识别效果方面还存在一定差距。结论 实验结果表明，对于掌纹识别，卷积神经网络也能获得较好的识别效果，但由于训练数据量不充分等原因，与传统算法的识别性能还有差距。基于卷积神经网络的掌纹识别研究还需要进一步深入开展。
|
| 关 键 词： | 生物特征识别 掌纹识别 深度学习 卷积神经网络 掌纹数据库 识别评估 |
| 收稿时间： | 2018/10/29 0:00:00 |
| 修稿时间： | 2019/1/21 0:00:00 |
Performance evaluation of convolutional neural network in palmprint recognition |
| |
| Wang Hailun,Li Shujie,Jia Wei and Liu Xiaoping.Performance evaluation of convolutional neural network in palmprint recognition[J].Journal of Image and Graphics,2019,24(8):1231-1248. |
| |
| Authors: | Wang Hailun Li Shujie Jia Wei and Liu Xiaoping |
| |
| Affiliation: | School of Computer Science and Information Engineering, Hefei University of Technology, Hefei 230009, China,School of Computer Science and Information Engineering, Hefei University of Technology, Hefei 230009, China,School of Computer Science and Information Engineering, Hefei University of Technology, Hefei 230009, China and School of Computer Science and Information Engineering, Hefei University of Technology, Hefei 230009, China |
| |
| Abstract: | |
| |
| Keywords: | biometrics palmprint recognition deep learning(DL) convolutional neural network(CNN) palmprint dataset performance evaluation |
|
| 点击此处可从《中国图象图形学报》浏览原始摘要信息 |
|
点击此处可从《中国图象图形学报》下载免费的PDF全文 |
|
