文献类型：期刊文章

作　　者：包晓安[1] 易芮[1] 徐璐[1] 吴彪[1,2] 钟乐海[3]

BAO Xiaoan;YI Rui;XU Lu;WU Biao;ZHONG Lehai(School of Informatics Science and Technology, Zhejiang Sci-Tech University, Hangzhou 310018, China;The Graduate School of East Asian Studies, Yamaguchi University, Yamaguchi 753-8514, Japan;Department of Computer Science, Mianyang Polytechnic, Mianyang 621000, Sichuan, China)

机构地区：[1]浙江理工大学信息学院,浙江杭州310018 [2]山口大学东亚研究科,日本山口753-8514 [3]绵阳职业技术学院计算机科学系,四川绵阳621000

出　　处：《西安工程大学学报》

基　　金：国家自然科学基金(61502430);浙江省重点研发计划项目(2020C03094);浙江省自然科学基金青年基金(LQ20F050010)。

年　　份：2020

卷　　号：34

期　　号：3

起止页码：67-74

语　　种：中文

收录情况：CAS、EBSCO、JST、RCCSE、ZGKJHX、普通刊

摘　　要：在指静脉识别中,如何利用卷积神经网络提取具有类间分离和类内聚合的静脉特征是当前的研究热点,为此提出了在卷积神经网络中采用中心损失(center loss)用于减小指静脉的类内距离,同时采用softmax loss用于约束类间距离,以此作为网络的损失函数。为了进一步提高模型的表达能力,采用swish激活函数代替线性整流(rectified linear unit,ReLU)激活函数,在此基础上,将全局平均池化层的输出向量进行归一化操作后作为指静脉的特征向量,减少网络参数的同时保留了指静脉的高级语义信息。结果表明:改进后的指静脉识别算法在FV-USM和MMCBNU-6000这2个数据集上识别的准确率分别达到98.23%和98.35%,优于传统的卷积神经网络识别算法。

关 键 词：指静脉识别  中心损失  softmax  LOSS 判别特征  swish激活函数  

分 类 号：TP391]