公开(公告)号：CN117576742B

公开(公告)日：2024-07-09

申请号：CN202311554523.6

申请日：2023-11-21

Applicant: 南京林业大学

Inventor： 业巧林 ,  任恒毅 ,  林小钰 ,  胡楚婷

IPC: G06V40/14 ,  G06V10/774 ,  G06V10/82 ,  G06N20/20 ,  G06F21/62

Abstract: 本发明属于手指静脉识别领域，并公开了一种基于分块联邦学习的手指静脉识别方法，包括：通过中央服务器得到预训练后的全局特征提取模块和预训练后的个性化模块，并下发给若干客户端；通过客户端对预训练后的各模块进行训练，得到更新后的全局特征提取模块和更新后的个性化模块；客户端对更新后的个性化模块进行单独训练，将更新后的全局特征提取模块发送给中央服务器端进行加权平均计算；通过中央服务器对当前训练轮次是否达到规定值进行判断，若达到，则训练结束，将加权平均计算后的全局特征提取模块发送给客户端并通知客户端停止训练。本发明技术方案能够提升识别系统在终端设备下的性能，还能有效保护用户静脉模板的隐私。

公开(公告)号：CN118379492A

公开(公告)日：2024-07-23

申请号：CN202410380519.0

申请日：2024-03-30

Applicant: 南京林业大学

Inventor： 杨杰 ,  业巧林 ,  赵越 ,  任恒毅 ,  李兴

IPC: G06V10/26 ,  G06V10/762 ,  G06V20/10 ,  G06T7/62

Abstract: 本发明涉及一种基于鲁棒平面聚类的森林叶面积指数估算方法。聚类过程中通过截断距离最大化约束解决类别之间存在噪声数据的问题，消除了其对簇可分离性产生的负面影响；采用L21范数进行距离度量并自适应优化的簇中心值，能够有效地学习鲁棒最优判别投影，增强图像分割的准确性；采用鲁棒性更强的L21范数进行距离度量并计算，降低了山地或森林中采集到的植物冠层图像中的异常像素对图像分割的负面影响，保证了图像分割的鲁棒性，进而提升了在山地野外恶劣条件下叶面积指数估算的准确和有效性；该鲁棒平面聚类的方法较其他方法在分割细节上有较大的提升，能够有效提升LAI估算准确性。

公开(公告)号：CN117893463A

公开(公告)日：2024-04-16

申请号：CN202311555470.X

申请日：2023-11-21

Applicant: 南京林业大学

Inventor： 业巧林 ,  胡楚婷 ,  任恒毅 ,  林小钰

IPC: G06T7/00 ,  G06V40/14 ,  G06V10/776

Abstract: 本发明属于手指静脉图像质量评估领域，并公开了一种手指静脉图像质量评估方法、系统、设备及介质，包括：获取手指静脉图像数据，基于所述手指静脉图像数据构建数据集，对所述数据集进行预处理；将预处理后的数据集输入质量回归模型中进行分数预测，得到手指静脉图像数据的质量分数，并基于所述质量分数对所述手指静脉图像数据进行评估；所述质量回归模型由依次连接的特征提取子模型和质量分数预测子模型构成。本发明所述技术方案设计了一种新的评价指标和验证方法，来定量分析手指静脉图像质量评估方法对手指静脉识别系统的性能影响，提出的新的手指静脉图像质量评估框架与识别性能密切相关，以保证识别系统具有更高的效率。

公开(公告)号：CN117854128A

公开(公告)日：2024-04-09

申请号：CN202410022876.X

申请日：2024-01-08

Applicant: 南京林业大学

Inventor： 业巧林 ,  任恒毅 ,  林小钰 ,  李兴

IPC: G06V40/14 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0985

Abstract: 本发明公开了基于元学习的智能家居安防场景下手指静脉识别方法，包括：步骤一、定义每个家庭为一个独立任务Ti，每个任务均分为Ds和Dq；步骤二、初始化网络的模型参数；步骤三、根据数据集Ds来计算梯度并更新模型参数；步骤四、计算并保存更新后的网络在数据集Dq下的损失；步骤五、判断内循环的训练步数j是否达到δ；步骤六、判断外循环的训练步数i是否达到B；步骤七、计算内循环和外循环的所有Dq下的损失进行指数加权并更新网络；步骤八、对于新的任务Ti，使用每位家庭成员的注册模板组成数据集Ds和Dq，调整模型并评估网络是否预测正确。本发明保证了手指静脉识别系统在智能家居安防场景下的高效运行。

公开(公告)号：CN117576742A

公开(公告)日：2024-02-20

申请号：CN202311554523.6

申请日：2023-11-21

Applicant: 南京林业大学

Inventor： 业巧林 ,  任恒毅 ,  林小钰 ,  胡楚婷

IPC: G06V40/14 ,  G06V10/774 ,  G06V10/82 ,  G06N20/20 ,  G06F21/62

Abstract: 本发明属于手指静脉识别领域，并公开了一种基于分块联邦学习的手指静脉识别方法，包括：通过中央服务器得到预训练后的全局特征提取模块和预训练后的个性化模块，并下发给若干客户端；通过客户端对预训练后的各模块进行训练，得到更新后的全局特征提取模块和更新后的个性化模块；客户端对更新后的个性化模块进行单独训练，将更新后的全局特征提取模块发送给中央服务器端进行加权平均计算；通过中央服务器对当前训练轮次是否达到规定值进行判断，若达到，则训练结束，将加权平均计算后的全局特征提取模块发送给客户端并通知客户端停止训练。本发明技术方案能够提升识别系统在终端设备下的性能，还能有效保护用户静脉模板的隐私。