-
公开(公告)号：CN113312989B
公开(公告)日：2023-06-20
申请号：CN202110512291.2
申请日：2021-05-11
Applicant: 华南理工大学
IPC: G06V40/14 , G06V10/82 , G06V10/40 , G06V10/774 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084 , G06N3/0985
Abstract: 本发明提出了一种基于聚合描述子与注意力的指静脉特征提取网络，包括输入端、主干网络模块、描述子聚合与损失模块；所述输入端接收训练/测试静脉图像，并将所述图像转化为张量数据；所述主干网络模块作为静脉网络的特征提取器，接收输入端各个批次的张量数据，然后在网络前向传播的过程中计算出最终的特征图，用于生成全局特征描述子；所述描述子聚合与损失模块包括描述子聚合模块和损失计算模块，本发明在具有精确的认证效果的同时，具有灵活性与可扩展性。
-
公开(公告)号：CN116665319B
公开(公告)日：2023-11-24
申请号：CN202310944402.6
申请日：2023-07-31
Applicant: 华南理工大学
IPC: G06V40/70 , G06N20/20 , G06V10/762 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明涉及数据融合处理技术领域，提供了一种基于联邦学习的多模态生物特征识别方法。该方法包括：将初始模型发送至多个参与方，各个参与方利用自身训练数据对初始模型训练后形成本地初始模型；服务器将个各模型的参数进行聚类，抽取每一簇内的多个参与方，参与方利用本地数据训练本地初始模型，将本地初始模型与服务方簇内的模型进行参数汇聚；服务方对同模态模型组按照不同的模态进行融合生成可互补多模态模型组；服务方将可互补多模态模型组的多模态模型互补的发送到参与方，同时将同模态模型发互补的发给参与方；参与方采用多模态模型分数融合的方法，将本地初始模型、同模态模型和多模态模型进行融合形成参与方所需的多模态融合模型。
-
公开(公告)号：CN118230369A
公开(公告)日：2024-06-21
申请号：CN202410431292.8
申请日：2024-04-11
Applicant: 华南理工大学
IPC: G06V40/14 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/082
Abstract: 本发明提供了一种基于网络剪枝的静脉认证方法、介质及设备；其中方法为：将待认证的静脉图像输入基于网络剪枝的静脉认证卷积神经网络进行特征提取，输出待认证的静脉特征；将待认证的静脉特征与样本库里的静脉特征做相似度度量，得到认证结果；基于网络剪枝的静脉认证卷积神经网络包括骨干网络、静脉特征保护层和全局平均池化；基于网络剪枝的静脉认证卷积神经网络是指对初始化的静脉认证卷积神经网络进行训练、且在训练之后进行网络剪枝并网络优化而形成的静脉认证卷积神经网络。该方法将静脉认证卷积神经网络压缩，自动去除冗余通道，并保证网络对静脉特征有效信息的提取能力。
-
公开(公告)号：CN114863499A
公开(公告)日：2022-08-05
申请号：CN202210754377.0
申请日：2022-06-30
Applicant: 广州脉泽科技有限公司 , 华南理工大学
IPC: G06V40/14 , G06V10/44 , G06V10/764 , G06V10/82 , G06V10/74 , G06K9/62 , G06N3/04 , G06N3/08 , G06N20/00
Abstract: 本发明公开了一种基于联邦学习的指静脉与掌静脉识别方法、系统及计算机可读存储介质，方法包括以下步骤：获取手静脉图像；利用公开数据集对mobilenetV2检测模型进行联邦学习训练；将训练后的静脉检测模型mobilenetV2的卷积部分的模型参数上传至中心方；中心方进行联邦学习聚合得到若干个聚合模型；将得到的聚合模型在本地数据集中进行微调得到训练好的mobileNetV2检测模型；将手静脉图像输入至训练好的mobileNetV2检测模型提取特征向量；将提取的特征向量与预设数据库中的已注册人员的静脉特征向量计算相似度，若相似度大于预设阈值则判定当前手静脉图像属于已注册人员，识别成功。本发明降低了隐私数据泄露的风险；同时解决了数据集之间非独立同分布的问题。
-
Patent Agency Ranking
公开(公告)号：CN114863497A
公开(公告)日：2022-08-05
申请号：CN202210416195.2
申请日：2022-04-20
Applicant: 华南理工大学
IPC: G06V40/14 , G06V10/44 , G06V10/764 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于Transformer的静脉认证方法，包括以下步骤：S1、将静脉图像进行预处理；S2、将预处理后的静脉图像输入基于Transformer的静脉认证模型进行特征提取，输出待认证的静脉图像的特征；S2、将待认证的静脉图像的特征与样本库里的静脉特征做相似度度量，大于设置的阈值时则认为认证成功。本发明将金字塔分层结构引入视觉Transformer模型中，不仅具有参数量少、计算速度快的优点，还有利于提取静脉图像的多层级特征，从而使得提取到的静脉特征更具有表达力。
-
公开(公告)号：CN114863497B
公开(公告)日：2024-12-24
申请号：CN202210416195.2
申请日：2022-04-20
Applicant: 华南理工大学
IPC: G06V40/14 , G06V10/44 , G06V10/764 , G06N3/0455 , G06N3/09 , G06N3/0464
Abstract: 本发明公开了一种基于Transformer的静脉认证方法，包括以下步骤：S1、将静脉图像进行预处理；S2、将预处理后的静脉图像输入基于Transformer的静脉认证模型进行特征提取，输出待认证的静脉图像的特征；S2、将待认证的静脉图像的特征与样本库里的静脉特征做相似度度量，大于设置的阈值时则认为认证成功。本发明将金字塔分层结构引入视觉Transformer模型中，不仅具有参数量少、计算速度快的优点，还有利于提取静脉图像的多层级特征，从而使得提取到的静脉特征更具有表达力。
-
公开(公告)号：CN116665319A
公开(公告)日：2023-08-29
申请号：CN202310944402.6
申请日：2023-07-31
Applicant: 华南理工大学
IPC: G06V40/70 , G06N20/20 , G06V10/762 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明涉及数据融合处理技术领域，提供了一种基于联邦学习的多模态生物特征识别方法。该方法包括：将初始模型发送至多个参与方，各个参与方利用自身训练数据对初始模型训练后形成本地初始模型；服务器将个各模型的参数进行聚类，抽取每一簇内的多个参与方，参与方利用本地数据训练本地初始模型，将本地初始模型与服务方簇内的模型进行参数汇聚；服务方对同模态模型组按照不同的模态进行融合生成可互补多模态模型组；服务方将可互补多模态模型组的多模态模型互补的发送到参与方，同时将同模态模型发互补的发给参与方；参与方采用多模态模型分数融合的方法，将本地初始模型、同模态模型和多模态模型进行融合形成参与方所需的多模态融合模型。
-
公开(公告)号：CN114863499B
公开(公告)日：2022-12-13
申请号：CN202210754377.0
申请日：2022-06-30
Applicant: 广州脉泽科技有限公司 , 华南理工大学
IPC: G06V40/14 , G06V10/44 , G06V10/764 , G06V10/82 , G06V10/74 , G06K9/62 , G06N3/04 , G06N3/08 , G06N20/00
Abstract: 本发明公开了一种基于联邦学习的指静脉与掌静脉识别方法、系统及计算机可读存储介质，方法包括以下步骤：获取手静脉图像；利用公开数据集对mobilenetV2检测模型进行联邦学习训练；将训练后的静脉检测模型mobilenetV2的卷积部分的模型参数上传至中心方；中心方进行联邦学习聚合得到若干个聚合模型；将得到的聚合模型在本地数据集中进行微调得到训练好的mobileNetV2检测模型；将手静脉图像输入至训练好的mobileNetV2检测模型提取特征向量；将提取的特征向量与预设数据库中的已注册人员的静脉特征向量计算相似度，若相似度大于预设阈值则判定当前手静脉图像属于已注册人员，识别成功。本发明降低了隐私数据泄露的风险；同时解决了数据集之间非独立同分布的问题。
-
公开(公告)号：CN113312989A
公开(公告)日：2021-08-27
申请号：CN202110512291.2
申请日：2021-05-11
Applicant: 华南理工大学
Abstract: 本发明提出了一种基于聚合描述子与注意力的指静脉特征提取网络，包括输入端、主干网络模块、描述子聚合与损失模块；所述输入端接收训练/测试静脉图像，并将所述图像转化为张量数据；所述主干网络模块作为静脉网络的特征提取器，接收输入端各个批次的张量数据，然后在网络前向传播的过程中计算出最终的特征图，用于生成全局特征描述子；所述描述子聚合与损失模块包括描述子聚合模块和损失计算模块，本发明在具有精确的认证效果的同时，具有灵活性与可扩展性。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.018 seconds)
