基于ViT网络的掌静脉图像分类方法、装置、设备及介质制造方法及图纸

本发明专利技术实施例公开了一种基于ViT网络的掌静脉图像分类方法、装置、设备及介质。本发明专利技术涉及掌静脉图像分类技术领域，其包括：将标注有预设标签的掌静脉图像数据集按预设比例划分为训练数据集及验证数据集；对训练数据集进行数据增强扩充及归一化处理得到目标训练图像数据集；基于相似度方法，利用目标训练图像数据集及验证数据集对修改后的ViT网络模型进行训练，以得到分类模型及与分类模型相对应的多个类别特征向量；将待分类掌静脉图像输入分类模型以得到分类特征向量，并根据分类特征向量及多个类别特征向量得到待分类掌静脉图像的分类结果。本申请实施例可提高掌静脉图像的分类准确度。类准确度。类准确度。

【技术实现步骤摘要】
基于ViT网络的掌静脉图像分类方法、装置、设备及介质


[0001]本专利技术涉及掌静脉图像分类
，尤其涉及一种基于ViT网络的掌静脉图像分类方法、装置、设备及介质。

技术介绍

[0002]手掌静脉识别是一种新兴的生物特征识别技术，利用人体手掌血液中的血红素对近红外光具有较强的吸收特性，获得手掌静脉的分布纹路进行身份识别。掌静脉识别不仅具有非接触式认证和高可靠性的优点，而且必须活体检测，无法造假，安全级别比较高。近年来，对掌静脉特征提取与识别的方法大致分为三大类，第一类是基于整体的子空间学习方法；第二类是基于曲线匹配的方法；第三类是基于深度学习技术的方法，但由于掌静脉图像为特殊的网状结构，易变形，局部相关性弱，拓扑结构复杂，使得掌静脉特征提取的有效性较差，识别准确度较低，进而导致掌静脉图像分类的准确度较低。

技术实现思路

[0003]本专利技术实施例提供了一种基于ViT网络的掌静脉图像分类方法、装置、设备及介质，旨在解决现有掌静脉特征提取有效性较差及掌静脉图像分类准确度较低的问题。
[0004]第一方面，本专利技术实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于ViT网络的掌静脉图像分类方法，其特征在于，包括：将标注有预设标签的掌静脉图像数据集按预设比例划分为训练数据集及验证数据集；对所述训练数据集进行数据增强扩充及归一化处理得到目标训练图像数据集；基于相似度方法，利用所述目标训练图像数据集及所述验证数据集对ViT网络模型进行训练，以得到分类模型及与所述分类模型相对应的多个类别特征向量；将待分类掌静脉图像输入所述分类模型以得到分类特征向量，并根据所述分类特征向量及所述多个类别特征向量得到所述待分类掌静脉图像的分类结果。2.根据权利要求1所述的方法，其特征在于，所述对所述训练数据集进行数据增强扩充及归一化处理得到目标训练图像数据集，包括：通过图像裁剪、图像翻转、图像旋转、色彩增强中的一种或多种数据增强扩充方法，对所述训练数据集进行数据增强扩充得到训练图像数据集；对所述训练图像数据集进行归一化处理得到目标训练图像数据集。3.根据权利要求1所述的方法，其特征在于，所述基于相似度方法，利用所述目标训练图像数据集及所述验证数据集对ViT网络模型进行训练，以得到分类模型及与所述分类模型相对应的多个类别特征向量，包括：将所述目标训练图像数据集输入ViT网络模型进行训练，直至满足预设训练条件为止，以得到预测分类模型及与所述预测分类模型相对应的多个预测类别特征向量；将所述验证数据集输入训练后的所述ViT网络模型以得到多个分类特征向量；基于相似度方法，根据所述多个分类特征向量及所述多个预测类别特征向量计算分类准确率，并判断所述分类准确率是否大于预设阈值；若所述分类准确率大于所述预设阈值，则将所述预测分类模型及所述多个预测类别特征向量分别作为分类模型及与所述分类模型相对应的多个类别特征向量。4.根据权利要求3所述的方法，其特征在于，所述判断所述分类准确率是否大于预设阈值之后，还包括：若所述分类准确率不大于所述预设阈值，则重新设置所述预设训练条件，并返回执行所述将所述目标训练图像数据集输入ViT网络模型进行训练的步骤。5.根据权利要求3所述的方法，其特征在于，所述基于相似度方法，根据所...

【专利技术属性】
技术研发人员：余孟春，谢清禄，陈贵祥，
申请(专利权)人：广州麦仑信息科技有限公司，
类型：发明
国别省市：