掌紋識別(palmprint recognition)及掌靜脈識別(palm vein recognition)作為兩種新興的生物特征識別技術已經引起廣泛關注。最近幾年，深度學習已經成為人工智能領域最為重要的技術，在許多領域取得了突破。但是，基于深度學習的2D掌紋識別、3D掌紋識別和掌靜脈識別的相關研究尚處于起步階段。

合肥工業大學賈偉副教授團隊對于經典的深度卷積神經網絡(Convolutional Neural Networks, CNN)的發展歷史進行了簡要總結，并評估了17個經典CNNs在2D掌紋識別、3D掌紋識別及掌靜脈識別中的性能，獲得了多個有意義的結論。相關成果已在IJAC發表，全文免費下載，歡迎閱讀！

全文下載：

https://link.springer.com/article/10.1007/s11633-020-1257-9??

http://www.ijac.net/en/article/doi/10.1007/s11633-020-1257-9??

全文導讀

在網絡及數字社會中，身份認證(personal authentication)正成為一項基本的社會服務。眾所周知，生物特征識別是解決個人身份認證最有效的技術之一。近年來，兩種新興的生物特征識別技術：掌紋識別(palmprint recognition)及掌靜脈識別(palm vein recognition)引起了廣泛關注。一般而言，掌紋識別技術有三個子類，包括2D低分辨率掌紋識別、3D掌紋識別和高分辨率掌紋識別。高分辨率掌紋識別通常應用于刑事偵查。2D低分辨率掌紋識別和3D掌紋識別主要服務于民用領域。本文只研究生物特征識別在民用領域的應用，不涉及高分辨率掌紋識別問題。

當前學界已提出許多有效的方法進行2D低分辨率掌紋識別(下文簡稱2D掌紋識別)、3D掌紋識別和掌靜脈識別。這些方法可分為兩類，即：傳統方法和基于深度學習的方法。

過去十年間，深度學習已經成為人工智能領域最重要的技術。它為許多應用帶來性能上的突破，例如語音識別、自然語言處理、計算機視覺、圖像和視頻處理、多媒體分析等。在生物特征識別領域，特別是人臉識別領域，深度學習已經成為最主流的技術。然而，基于深度學習的2D、3D掌紋識別和掌靜脈識別尚處于研究起步階段。

卷積神經網絡是深度學習技術的一個重要分支，廣泛用于圖像處理和計算機視覺的各種任務中，如目標檢測、語義分割和模式識別等。對于基于圖像的生物特征識別技術，CNN是最常用的深度學習技術。到目前為止，學界已經提出諸多經典的CNN，并在許多識別任務中取得優異的成績。然而，這些經典CNN在2D、3D掌紋識別和掌靜脈識別中的識別性能還未得到系統研究。

例如，現有的基于深度學習的掌紋識別和掌靜脈識別工作只使用簡單的網絡，沒有進行深入分析。未來，隨著CNN的快速發展，新型CNN的識別精度將不斷提高。可以預見，CNN將成為2D、3D掌紋識別和掌靜脈識別的一項重要技術。因此，系統研究經典CNN的識別性能對于2D、3D掌紋識別和掌靜脈識別具有重要意義。為此，本文評估了經典CNN在2D、3D掌紋識別和掌靜脈識別中的性能，著重對17個代表性的經典CNNs進行了性能評估。

這17個經典的CNNs包括：AlexNet、VGG、Inception_v3、Inception_v4、ResNet、ResNeXt、Inception_ResNet_v2、DenseNet、Xception、MobileNet_v2、MobliNet_v3、ShunffleNet_v2、SENet、EfficientNet、GhostNet、RegNet 以及ResNeSt。

本研究在5個2D掌紋數據庫、1個3D掌紋數據庫和2個掌靜脈數據庫上對所選CNNs進行了識別性能評估，這些數據庫均是2D、3D掌紋識別和掌靜脈識別領域的代表性數據庫。5個2D掌紋數據庫包括香港理工大學掌紋II數據庫(PolyU II)、香港理工大學多光譜藍光波段(PolyU M_B)掌紋數據庫、合肥工業大學掌紋數據庫、合肥工業大學跨傳感器(HFUT CS)掌紋數據庫、同濟大學掌紋數據庫(TJU-P)。1個3D掌紋數據庫為香港理工大學3D掌紋數據庫(PolyU 3D)。2個掌靜脈數據庫包括香港理工大學多光譜掌紋數據庫(PolyU M_N)的近紅外波段、同濟大學掌靜脈(TJU-PV)數據庫。

值得注意的是，上述數據庫中的樣本是在兩個不同階段(sessions)、以特定時間間隔采集的。在傳統的識別方法中，第一階段采集的部分樣本通常作為訓練集，第二階段采集的全部樣本作為測試集。然而，在現有的基于深度學習的掌紋識別和掌靜脈識別方法中，訓練集往往包含兩個階段的樣本，因此容易獲得較高的識別精度。如果訓練樣本僅來自第一階段，而測試樣本來自第二階段，稱此實驗模式為分離數據模式(separate data mode)。如果訓練樣本來自兩個階段，則稱之為混合數據模式(mixed data mode)。本研究分別在分離數據模式和混合數據模式下進行實驗，觀察經典CNNs在這兩種不同模式下的識別性能。

本研究的主要貢獻如下：

1) 簡要總結了經典CNNs，有助于讀者更好地了解CNNs在圖像分類中的發展歷史。

2) 評估了經典CNNs在3D掌紋和掌靜脈識別中的性能。這是學界迄今第一次進行這種評估。

3) 在合肥工業大學跨傳感器掌紋數據庫上評估了經典CNNs的性能。這是首次較大規模地開展基于深度學習的跨設備掌紋識別性能評估。

4) 研究了CNNs在分離數據模式和混合數據模式下的識別性能問題。

本文其余部分組織如下：第二節介紹了相關工作。第三節簡要介紹了17種經典CNNs。第四節介紹了用于評估的2D和3D掌紋和掌靜脈數據庫。第五節對大量實驗作了報告。第六節是結論。

全文下載

A Performance Evaluation of Classic Convolutional?Neural Networks for 2D and 3D Palmprint and?Palm Vein Recognition

Wei Jia, Jian Gao, Wei Xia, Yang Zhao, Hai Min, Jing-Ting Lu

https://link.springer.com/article/10.1007/s11633-020-1257-9??

http://www.ijac.net/en/article/doi/10.1007/s11633-020-1257-9??

特別感謝本文第一作者合肥工業大學賈偉副教授對以上內容的審閱和修改！

▼

生物特征識別技術相關熱文

▼

Semi-supervised Ladder Networks for Speech Emotion Recognition

Jian-Hua?Tao, Jian?Huang, Ya?Li, Zheng?Lian, Ming-Yue?Niu

中文導讀：

陶建華團隊：基于半監督梯形網絡的語音情感識別?

﹏

﹏

﹏

﹏

Expression Analysis Based on Face Regions in Real-world Conditions

Zheng?Lian, Ya?Li, Jian-Hua?Tao, Jian?Huang, Ming-Yue?Niu

中文導讀：

自動化所陶建華團隊: 基于真實環境的面部表情分析?

往期精彩回顧適合初學者入門人工智能的路線及資料下載機器學習及深度學習筆記等資料打印機器學習在線手冊深度學習筆記專輯《統計學習方法》的代碼復現專輯 AI基礎下載機器學習的數學基礎專輯 本站知識星球“黃博的機器學習圈子”（92416895） 本站qq群704220115。 加入微信群請掃碼：

總結

以上是生活随笔為你收集整理的【论文解读】经典CNN对2D3D掌纹及掌静脉识别的性能评估的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。