一种基于迁移学习的刷耳身份识别方法技术

本发明专利技术公开了一种基于迁移学习的刷耳身份识别方法，提出了一种基于迁移学习的刷耳身份识别方法，通过对数据集图片进行预处理，并将预处理后的图片按照等比例划分后，抽取部分分别用于验证集、神经网络学习人耳特征、评估神经网络学习效果和评估已经完成训练的神经网络模型，通过预训练模型从新的样本中提取出特征，然后将这些特征输入到一个新的分类器，从头开始训练，选择冻结预训练权重，只对新的分类器权重进行训练，最后对预训练权重进行微调使模型更适应于人耳图像分类任务。调使模型更适应于人耳图像分类任务。调使模型更适应于人耳图像分类任务。

【技术实现步骤摘要】
一种基于迁移学习的刷耳身份识别方法


[0001]本专利技术涉及迁移学习的
，具体涉及一种基于迁移学习的刷耳身份识别方法。

技术介绍

[0002]传统的人耳识别方法是基于美国学者Alfred Tannarelli提出的一种名为人耳十二点测量法进行识别，其基本思想是利用每人独有的人耳生理特征进行有效识别，在进行人工识别人耳时，需要借助专业的仪器，费时费力，效率低下。
[0003]随着计算机科学技术的发展，硬件计算处理速度得到极大提升，大量数据的产生与存储也有了成熟的条件，推动以卷积神经网络为代表的深度学习算法在计算机视觉领域的广泛应用，尤其是图像分类领域。卷积神经网络在花、鸟和人耳等图像的识别分类任务都具有突出表现，但具体到人耳图像分类任务中，由于存在不同人耳之间仅有细微差别的情况，传统的基于卷积神经网络的人耳图像识别方法需要大量数据来作为支持，才能较为准确地提取出细微差别，得到一个不错的识别精度。但是在以人耳为生物特征进行身份识别的小数据场景中，如刑侦、安防等领域，往往只能获取到人物的少量侧脸图片，直接采用深度神经网络进行识别可能难本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于迁移学习的刷耳身份识别方法，其特征在于，包括：S1、对原始人耳图像进行预处理，生成数据集；S2、将数据集随机划分成训练集、验证集和测试集；S3、使用预训练模型进行人耳特征提取，并新建全连接分类器；S4、对预训练权重进行微调；S5、使用测试集对网络模型进行验证。2.根据权利要求1所述的一种基于迁移学习的刷耳身份识别方法，其特征在于，所述S1中，预处理步骤包括将图片统一转换为jpeg格式，并将转换格式后的图片进行灰度化处理，最后将灰度化处理后的图片尺寸统一调整为224*224像素。3.根据权利要求1所述的一种基于迁移学习的刷耳身份识别方法，其特征在于，所述S2中，将预处理后的数据集按照4:1的比例划分为训练集和测试集，再从训练集中取出20％作为验证集；其中，训练集用于使神经网络学习区分不同人耳的有效特征，验证集用于在训练过程中实时评估神经网络学习效果，减少过拟合情况的发生，测试集用于评估已经完成训练的神经网络模型，分析其准确率是否符合实用要求。4.根据权利要求1所述的一种基于迁移学习的刷耳身...

【专利技术属性】
技术研发人员：尚文利，廖玟皓，揭海，曹忠，常志伟，时昊天，李淑琦，韦蕴珊，
申请(专利权)人：广州大学，
类型：发明
国别省市：