《表3 不同识别方法对CRR的影响单位:》
为了定量评价本文识别方法的识别效果,将本文方法与目前识别效果较好的几种传统识别方法以及几种典型的网络模型进行比较。其中:Qiu等[23]采用多方向的Gabor滤波器,提取静脉的尺度及方向信息,进行静脉识别,计算识别率;娄梦莹等[21]采用Gauss-Radon变换进行掌脉识别,构建6个方向的邻域模板,提取掌脉方向特征从而进行识别。针对目前的几种典型的网络模型,利用Alex Net网络[24]、Google Net网络[25]分别对掌脉图像进行识别,并对Res Net模型不断改进,将逐步改进实验用于掌脉识别,依次记录SK-Res Net、SK-Res Net+BN、SK-Res Net+BN+ELU、SK-Res Net+BN+ELU+Dropout以及加入稠密连接后的本文方法模型的实验结果。不同识别方法的识别效果如表3所示。由表3可知,针对图像质量不一的小样本掌脉数据库,与其他识别方法相比,本文基于侧链连接卷积神经网络的掌脉识别方法对掌脉数据库的识别效果较好,尤其是对图像质量较差的CASIA和自建库,其识别率更高。
图表编号 | XD00197784700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.10 |
作者 | 娄梦莹、王天景、刘娅琴、杨丰、黄靖 |
绘制单位 | 南方医科大学生物医学工程学院、南方医科大学生物医学工程学院、南方医科大学生物医学工程学院、南方医科大学生物医学工程学院、南方医科大学生物医学工程学院 |
更多格式 | 高清、无水印(增值服务) |