-
公开(公告)号:CN114596622B
公开(公告)日:2025-04-04
申请号:CN202210264824.4
申请日:2022-03-17
Applicant: 吉林大学
IPC: G06V40/18 , G06N3/0464 , G06N3/045 , G06N3/084 , G06N3/094 , G06V10/80 , G06V10/82 , G06V10/774 , G06V10/764
Abstract: 本发明公开了一种基于对比知识驱动的虹膜与眼周对抗自适应融合识别方法,其方法为:步骤一、建立数据集并划分为训练集和测试集;步骤二、得到模型架构;步骤三、训练模型架构;步骤四、得到卷积编码部分;步骤五、将目标检测模型定位虹膜与眼周区域;步骤六、训练结束后去除最后一层全连接层得到眼周特征提取模型Eper;步骤七、使用虹膜可见光图像训练集和人员身份标签训练;步骤八、将不同模态的特征分布在低维子空间中进行配准;步骤九、设置两个可学习的参数;步骤十、得到模型特征提取器;步骤十一、确定双模态融合识别模型的决策机制。有益效果:提高了系统的可靠性与安全性;提高了小样本数据集上的识别性能;能够提高最终的识别性能。
-
公开(公告)号:CN114596622A
公开(公告)日:2022-06-07
申请号:CN202210264824.4
申请日:2022-03-17
Applicant: 吉林大学
IPC: G06V40/18 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/80 , G06V10/82 , G06V10/774 , G06V10/764
Abstract: 本发明公开了一种基于对比知识驱动的虹膜与眼周对抗自适应融合识别方法,其方法为:步骤一、建立数据集并划分为训练集和测试集;步骤二、得到模型架构;步骤三、训练模型架构;步骤四、得到卷积编码部分;步骤五、将目标检测模型定位虹膜与眼周区域;步骤六、训练结束后去除最后一层全连接层得到眼周特征提取模型Eper;步骤七、使用虹膜可见光图像训练集和人员身份标签训练;步骤八、将不同模态的特征分布在低维子空间中进行配准;步骤九、设置两个可学习的参数;步骤十、得到模型特征提取器;步骤十一、确定双模态融合识别模型的决策机制。有益效果:提高了系统的可靠性与安全性;提高了小样本数据集上的识别性能;能够提高最终的识别性能。
-