基于深度学习的指关节纹识别算法实验研究

• 作者: 陈虹丽 刘凌风 李浩凯 傅荟璇
• 来源期刊: 实验室研究与探索
• 关键词: 深度学习 指关节纹识别 卷积神经网络
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 实验技术|Experimental Technique
• 页码范围: 1-4
• 页数: 4页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.19927/j.cnki.syyt.2021.06.001

摘要

针对传统机器学习算法特征提取烦琐且普遍存在特征单一、识别准确率低的问题,采用能够自行提取图像特征的卷积神经网络模型,对指关节纹识别分类的任务进行实验研究.首先对指关节纹图像进行预处理;其次,设计并搭建了一个9层卷积神经网络模型,对网络模型进行编译、训练后,发现网络的过拟合现象严重,并针对过拟合,提出了优化网络结构方案,在原网络模型基础上,添加dropout层、L2正则化和采用参数放弃法、批标准化层等操作,优化了网络结构.实验结果表明,过拟合现象得到明显改善,提高了网络模型在测试集上的识别准确率,增强了网络的泛化能力.