龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：重庆工商大学;重庆金融科技研究院;重庆微脉智联科技有限公司
申请日：2024-01-26
公开（公告）日：2024-06-25
公开（公告）号：CN118247814A
主分类号：G06V40/12
分类号：G06V40/12;G06V40/14;G06V10/774;G06V10/82;G06N3/0455;G06N3/0475;G06N3/0464;G06N3/094
优先权：
专利状态码：在审-公开
法律状态：2024.06.25#公开
摘要：本发明提供了一种基于自动增强对比学习的指静脉识别算法，基于无负样本的对比学习模型中的增强网络，分别引入鉴别器和分布器，鉴别器和增强网络呈对抗关系，而分布器用于约束增强网络，避免产生偏离原数据分布的静脉图片。实现通过对抗学习自动增强生成更优的增强静脉图像样本对，提高对比学习模型性能。并且相比于复杂繁琐的传统手工选择增强类型和增强参数，我们的方法更适用于各种领域的小数据集情景，在有限的有标签数据上达到更好的识别效果。
主权项：1.一种基于自动增强对比学习的指静脉识别算法，其特征在于，包括：S1、利用现有公开数据集，收集并创建静脉图像数据集，并对数据集中的静脉图像进行预处理得到原始静脉图像；S2、采用增强网络对静脉图像数据集中不同环境下的原始静脉图像进行数据增强，生成最大化对比损失，并得到增强后静脉图像；S3、采用最大均值差异来限制原始静脉图像和增强后静脉图像之间的空间分布，并将原始静脉图像和增强后静脉图像输入至分布器，计算原始静脉图像分布和增强后静脉图像分布之间最小化分布损失；S4、引入鉴别器分别对不同增强网络中的增强后静脉图像进行二元分类，生成最小化鉴别器损失用以更新增强网络的参数；S5、结合最大化对比损失、最小化分布损失和最小化鉴别器损失指导增强网络的学习，以实现输出增强静脉图像样本对。
全文数据：
权利要求：
百度查询： 重庆工商大学;重庆金融科技研究院;重庆微脉智联科技有限公司 一种基于自动增强对比学习的指静脉识别算法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号