公开(公告)号：CN111242063B

公开(公告)日：2023-08-25

申请号：CN202010053032.3

申请日：2020-01-17

Applicant: 江苏大学

Inventor： 陈健美 ,  王玉玺 ,  王国辉

IPC: G06V40/18 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/096 ,  G06N3/082

Abstract: 本发明公开了一种基于迁移学习的小样本分类模型构造方法及利用该方法所构造的小样本分类模型在虹膜图像分类上的应用，基于VGG16模型迁移学习，构造ICP‑VGG模型；根据虹膜图像任务配置自定义网络中全连接层的的激活函数，Dropout层的dropout比率；微调网络，设置模型训练相关参数；获取小样本虹膜数据集，对该数据集进行数据预处理和数据增强；训练和验证模型，输出识别结果图像；本发明所提出的方法能将深度学习模型更好地应用在小样本虹膜领域中，降低过拟合，提高识别准确率。

公开(公告)号：CN111242063A

公开(公告)日：2020-06-05

申请号：CN202010053032.3

申请日：2020-01-17

Applicant: 江苏大学

Inventor： 陈健美 ,  王玉玺 ,  王国辉

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于迁移学习的小样本分类模型构造方法及利用该方法所构造的小样本分类模型在虹膜图像分类上的应用，基于VGG16模型迁移学习，构造ICP-VGG模型；根据虹膜图像任务配置自定义网络中全连接层的的激活函数，Dropout层的dropout比率；微调网络，设置模型训练相关参数；获取小样本虹膜数据集，对该数据集进行数据预处理和数据增强；训练和验证模型，输出识别结果图像；本发明所提出的方法能将深度学习模型更好地应用在小样本虹膜领域中，降低过拟合，提高识别准确率。

公开(公告)号：CN110119695A

公开(公告)日：2019-08-13

申请号：CN201910337212.1

申请日：2019-04-25

Applicant: 江苏大学

Inventor： 陈健美 ,  王玉玺 ,  于磊春 ,  胡杨 ,  王国辉

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明公开了一种基于特征融合和机器学习的虹膜活性检测方法，准备虹膜图像数据集，分别提取虹膜图像的LBP特征和HOG特征，对所提取的LBP特征和HOG特征进行降维处理，用典型相关性分析方法将降维后的LBP特征和HOG进行融合；将融合后的特征输入支持向量机模型，对虹膜图像特征进行训练和分类，实现对虹膜活性的检测。本发明可以解决现有虹膜活性检测方法中虹膜活性检测准确率不高、不能有效地对虹膜攻击进行防御和无法保证虹膜识别系统的安全性的问题。