公开(公告)号：CN114973336B

公开(公告)日：2025-05-06

申请号：CN202210543640.1

申请日：2022-05-19

Applicant: 电子科技大学中山学院

Inventor： 李文生 ,  戴坤龙 ,  姚琼 ,  宋丹 ,  李长燕 ,  姚淮锐

IPC: G06V40/12 ,  G06V40/14 ,  G06V10/25 ,  G06V10/30 ,  G06V10/46 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明提供一种基于深度度量学习的指静脉特征提取方法，包括以下步骤：步骤1，对指静脉原始图像做预处理，提取图像的感兴趣区域；步骤2，将正负样本对组成的三元组(a,p,n)传入特征提取网络，得到特征三元组，步骤3，在欧式度量空间上计算损失,然后，将特征三元组传入分类器得到类别概率，并计算在余弦度量空间上的损失，通过反向传播一并优化，与现有技术相比，本发明具有如下的有益效果：(1)基于样本配对的训练方式，让数据集以另一种形式得到了扩充。(2)能够提取显著性特征，在度量空间中达到同类距离小，异类距离大的目标。(3)具有良好的鲁棒性，在大规模的数据集上仍然有不错的性能。

公开(公告)号：CN114998940B

公开(公告)日：2024-10-22

申请号：CN202210567763.9

申请日：2022-05-24

Applicant: 电子科技大学中山学院

Inventor： 李文生 ,  戴坤龙 ,  姚琼 ,  宋丹 ,  李长燕 ,  姚淮锐

IPC: G06V40/12 ,  G06V40/14 ,  G06V10/82 ,  G06V10/75 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084 ,  G06V10/74

Abstract: 本发明提供一种基于度量学习的指静脉图像质量评估方法，包括以下步骤：基于已知质量的指静脉图像合成不同程度的低质量图像；根据具有对比关系的分级的图像训练孪生网络，让网络学习图像对的排序关系；取孪生网络的一分支在少量数据集上进行fine‑tuning，得到可以评估单张图像的卷积网络，与现有技术相比，本发明具有如下的有益效果：以较低的学习率，让分支网络在少量的真实数据集上进行训练，得到一个能对单个图像评估的网络模型，从而进行图像评估。

公开(公告)号：CN114973336A

公开(公告)日：2022-08-30

申请号：CN202210543640.1

申请日：2022-05-19

Applicant: 电子科技大学中山学院

Inventor： 李文生 ,  戴坤龙 ,  姚琼 ,  宋丹 ,  李长燕 ,  姚淮锐

IPC: G06V40/12 ,  G06V40/14 ,  G06V10/25 ,  G06V10/30 ,  G06V10/46 ,  G06V10/774 ,  G06V10/82 ,  G06N3/08

Abstract: 本发明提供一种基于深度度量学习的指静脉特征提取方法，包括以下步骤：步骤1，对指静脉原始图像做预处理，提取图像的感兴趣区域；步骤2，将正负样本对组成的三元组(a,p,n)传入特征提取网络，得到特征三元组，步骤3，在欧式度量空间上计算损失,然后，将特征三元组传入分类器得到类别概率，并计算在余弦度量空间上的损失，通过反向传播一并优化，与现有技术相比，本发明具有如下的有益效果：(1)基于样本配对的训练方式，让数据集以另一种形式得到了扩充。(2)能够提取显著性特征，在度量空间中达到同类距离小，异类距离大的目标。(3)具有良好的鲁棒性，在大规模的数据集上仍然有不错的性能。

公开(公告)号：CN116168427A

公开(公告)日：2023-05-26

申请号：CN202310137435.X

申请日：2023-02-17

Applicant: 电子科技大学中山学院

Inventor： 杨志华 ,  董帅 ,  邹昆 ,  文琦 ,  李长燕 ,  李文生

IPC: G06V40/14 ,  G06V10/82 ,  G06N3/08 ,  G06N3/0464

Abstract: 本申请提供一种指静脉识别方法、装置、电子设备及存储介质，该方法包括：获得待识别图像；通过预设的指静脉特征提取模型对待识别图像进行特征提取，获得指静脉特征；其中，指静脉特征提取模型包括非线性特征提取网络；非线性特征提取网络为基于非线性卷积核获得的；根据指静脉特征进行指静脉识别，获得识别结果。通过待优化参数较少的非线性特征网络代替常规线性特征网络，减少了计算成本和训练时间，使模型更加容易训练。并且将非线性卷网络应用于指静脉的识别中，非线性参数依赖卷积核为指静脉识别提供了额外的非线性特征，让网络的特征提取能力更强，识别准确率更高。

公开(公告)号：CN114998940A

公开(公告)日：2022-09-02

申请号：CN202210567763.9

申请日：2022-05-24

Applicant: 电子科技大学中山学院

Inventor： 李文生 ,  戴坤龙 ,  姚琼 ,  宋丹 ,  李长燕 ,  姚淮锐

IPC: G06V40/12 ,  G06V40/14 ,  G06V10/82 ,  G06V10/75 ,  G06N3/04 ,  G06N3/08 ,  G06V10/74

Abstract: 本发明提供一种基于度量学习的指静脉图像质量评估方法，包括以下步骤：基于已知质量的指静脉图像合成不同程度的低质量图像；根据具有对比关系的分级的图像训练孪生网络，让网络学习图像对的排序关系；取孪生网络的一分支在少量数据集上进行fine‑turning，得到可以评估单张图像的卷积网络，与现有技术相比，本发明具有如下的有益效果：以较低的学习率，让分支网络在少量的真实数据集上进行训练，得到一个能对单个图像评估的网络模型，从而进行图像评估。

公开(公告)号：CN115439734A

公开(公告)日：2022-12-06

申请号：CN202211084601.6

申请日：2022-09-06

Applicant: 电子科技大学中山学院

Inventor： 宋丹 ,  李长燕 ,  姚琼 ,  徐翔 ,  李文生 ,  吕燚

IPC: G06V10/98 ,  G06V10/82 ,  G06V10/74 ,  G06N3/08 ,  G06N3/04 ,  G06V40/14

Abstract: 本申请提供一种质量评估模型训练方法、装置、电子设备及存储介质，该方法包括：使用通用框架中设置的数据标注函数对多个样本图像进行数据标注，获得多个样本标签，样本标签是样本图像对应的图像质量类别；以多个样本图像为训练数据，以多个样本标签为训练标签，对通用框架中设置的神经网络模型进行训练，获得质量评估模型，质量评估模型用于对待处理图像进行质量评估。通过通用框架提供的数据标注函数和神经网络模型分别进行数据标注和模型训练，从而避免了采集环境发生变化时重新提取关键性影响因素的问题，从而有效地提高了评估图像质量的适用性。