基于网络模型的图像识别方法、装置、设备及存储介质制造方法及图纸

本申请公开了一种基于网络模型的图像识别方法、装置、设备及存储介质，该方法包括：获取红外图像样本；根据第一类CDC网络模型对红外图像样本的类型进行识别；根据识别处理结果输出红外图像样本的类型；其中，红外样本图像的分辨率为第一类CDC网络模型的指定分辨率，第一类CDC网络模型包括两个特征提取模块和一个多尺度空间注意力模块，红外图像样本的类型包括攻击图像或真实图像。相比现有的网络模型结构，本方案中的第一类CDC网络模型具有轻量的结构优势，因此，可以以较少的运算量快速识别出红外样本图像的类型，在低算力场景下具有较好的优势。较好的优势。较好的优势。

【技术实现步骤摘要】
基于网络模型的图像识别方法、装置、设备及存储介质


[0001]本申请实施例涉及网络模型识别领域，尤其涉及一种基于网络模型的图像识别方法、装置、设备及存储介质。

技术介绍

[0002]在生物特征识别领域，人脸识别、手指识别、掌静脉识别等手段被广泛应用于不同的场景下，其中，掌静脉识别方法由于其大多数特征来自于由红外摄像头反射的手掌皮肤下的血管，使得这样的特征更加难以模仿。因此，对于活体攻击而言，该方法具有更好的鲁棒性。现有的网络模型对掌静脉图像进行识别时，识别精度低且运算量较大。

技术实现思路

[0003]本申请实施例提供了一种基于网络模型的图像识别方法、装置、设备及存储介质，该方案中的第一类CDC网络模型具有轻量的结构优势，因此，可以以较少的运算量快速识别出红外样本图像的类型，在低算力场景下具有较好的优势。
[0004]第一方面，本申请实施例提供了一种基于网络模型的图像识别方法，该方法包括：
[0005]获取红外图像样本；
[0006]根据第一类中心差分卷积(Central Difference Convo本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于网络模型的图像识别方法，其特征在于，包括：获取红外图像样本；根据第一类中心差分卷积CDC网络模型对所述红外图像样本的类型进行识别；根据识别处理结果输出所述红外图像样本的类型；其中，所述红外样本图像的分辨率为所述第一类CDC网络模型的指定分辨率，所述第一类CDC网络模型包括两个特征提取模块和一个多尺度空间注意力模块，所述红外图像样本的类型包括攻击图像或真实图像。2.根据权利要求1所述的方法，其特征在于，所述指定分辨率为128*128。3.根据权利要求1所述的方法，其特征在于，所述根据第一类CDC网络模型对所述红外图像样本的类型进行识别，包括：以降采样和聚集的方式基于所述第一类CDC网络模型对所述红外图像样本的类型进行识别。4.根据权利要求1或3所述的方法，其特征在于，所述两个特征提取模块包括第一特征提取模块和第二特征提取模块，所述第一特征提取模块和所述第二特征提取模块均包含三个卷积层；所述第一特征提取模块用于基于包含的所述卷积层对输入的红外图像样本进行特征处理，其中，所述输入的红外图像样本为所述第一特征提取模块输入端连接的第一卷积层模块对获取的红外图像样本进行卷积处理后得到的；所述第一特征提取模块与第一处理模块连接，所述第一处理模块用于对所述第一特征提取模块处理后的红外图像样本进行第一次分辨率处理，得到第一红外图像样本。5.根据权利要求4所述的方法，其特征在于，所述第二特征提取模块与第二处理模块连接，所述第二特征提取模块用于基于包含的所述卷积层对所述第一红外图像样本进行特征处理；所述第二处理模块用于对所述第二特征提取模块处理后的红外图像样本进行第...

【专利技术属性】
技术研发人员：埃德温，
申请(专利权)人：广州新科佳都科技有限公司，
类型：发明
国别省市：