Resnet的在指静脉识别应用与改进

一、《基于改进残差网络的指静脉识别算法》_易芮 2020.5.20

        由于指静脉具有区分性的特征在于其细节特征,为了减少网络训练过程中的信息丢失,在网络中采用改进的大卷积层以及BottleNeck模块.

Resnet的在指静脉识别应用与改进_第1张图片

        ResNet网络模型采用残差结构和跳跃连接的方式缓解了随着网络的加深而出现的梯度消失或梯度爆炸问题

1.网络结构设计

        ①往往具有区分性的特征在于指静脉的细节部分,网络在训练过程中由于卷积核和步长设置的不合理会带来一定程度的信息丢失。为了尽可能的减少训练过程中的信息丢失,保留更多的指静脉信息,需要采用改进的BottleNeck模块,重新设计步长和卷积核的大小,同时将主干网络中7X7的卷积核替换为小卷积核减少网络的参数,防止过拟合。考虑在网络中采用改进的大卷积层和BottleNeck模块。利用上述VGGNet的思想,通过几个较小的卷积核叠加可以获得与较大的卷积核相同的感受野并捕获更多的空间语义,减少了网络的参数。同时多个卷积核会使用多个激活函数,从而提高了网络的非线性表达能力。利用3个࿱

你可能感兴趣的:(指静脉识别,人工智能,python)