A funcionalidade de pesquisa está em construção.
A funcionalidade de pesquisa está em construção.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Local Binary Convolution Based Prior Knowledge of Multi-Direction Features for Finger Vein Verification Conhecimento prévio baseado em convolução binária local de recursos multidirecionais para verificação de veias de dedos

Huijie ZHANG, Ling LU

  • Exibições de texto completo

    3

  • Cite isto

Resumo:

O sistema de autenticação de rede neural profunda baseado em veias digitais tem sido amplamente aplicado em cenários reais, como sistemas bancários e de guarda de entrada de países. Porém, para garantir o desempenho, a rede neural profunda deve treinar muitos parâmetros, o que requer muito tempo e recursos computacionais. Este artigo propõe um método que introduz características artificiais com conhecimento prévio na camada de convolução. Primeiro, ele projeta um padrão multidirecional baseado no padrão binário local tradicional, que extrai informações espaciais gerais e também reduz a dimensão espacial. Em seguida, estabelece uma amostra de rede neural convolucional profunda eficaz por meio da combinação com convolução, com a capacidade de extrair características mais profundas das veias dos dedos. Por fim, treina o modelo com uma função de perda composta para aumentar a distância interclasse e reduzir a distância intraclasse. Experimentos mostram que os métodos propostos alcançam um bom desempenho de maior estabilidade e precisão no reconhecimento das veias dos dedos.

Publicação
IEICE TRANSACTIONS on Information Vol.E106-D No.5 pp.1089-1093
Data de publicação
2023/05/01
Publicitada
2023/02/22
ISSN online
1745-1361
DOI
10.1587/transinf.2022EDL8095
Tipo de Manuscrito
LETTER
Categoria
Reconhecimento de Padrões

autores

Huijie ZHANG
  Southeast University
Ling LU
  Southeast University,Nanjing Medical University

Palavra-chave