摘要
本发明公开了一种基于迁移学习的掌静脉识别改进方法及系统,包括:获取多个公开掌静脉数据集,并对多个公开掌静脉数据集进行数据混排;对混排后的公开掌静脉数据进行图像增广处理和ROI提取,得到的掌脉ROI数据作为预训练数据集;基于预训练数据集对深度卷积神经网络模型进行预训练,得到预训练模型;采用统一采集设备采集小规模掌静脉样本数据;对小规模掌静脉样本数据进行图像增广处理和ROI提取,得到的掌脉ROI数据作为微调训练数据集;采用迁移学习方法,基于微调训练数据集对预训练模型进行微调,得到微调模型本发明在提高训练准确度的同时,使模型具备更好的泛化能力,特别是在实际场景应用时能够有更好的适配性。
技术关键词
静脉
深度卷积神经网络模型
预训练模型
迁移学习方法
数据
小规模
采集设备
图像
样本
模块
对比度
亮度
噪声
指标
场景
基础
参数
系统为您推荐了相关专利信息
跟踪控制方法
深度强化学习
仿真数据
网络
无人艇
智能盘点机器人
RFID信号强度
路径优化方法
货架
模拟退火算法
母线负荷预测
气象站
特征提取方法
随机森林
数据
市政道路路面
三维激光扫描数据
可见光图像
多模态特征
路面裂缝检测方法
固态硬盘数据
数据保护策略
擦写方法
数据加密算法
计算机程序代码