【技术实现步骤摘要】
本专利技术属于手指静脉识别领域，特别是涉及一种基于分块联邦学习的手指静脉识别方法。
技术介绍
1、随着深度学习技术的发展，基于深度学习的手指静脉识别已经取得了一系列的突破，并逐渐应用于各个领域。现有的手指静脉识别研究通常在本地任务下进行，即所有测试集的图像都在训练集中出现过，每次预测也是将识别问题转化为分类问题。但是在实际应用中，将已经训练好的手指静脉识别系统部署在分布式场景时，新注册用户通常不会出现在原始模型的训练集中。因为深度学习算法泛化能力的不足，现有的基于深度学习的指静脉识别方法很难满足不断变化和开放的分布式场景的识别需求。
2、为了提升手指静脉识别系统在分布式场景下的鲁棒性，研究人员提出了许多方法，主要分为：1)提出特征提取能力更强的网络结构，如mobilenetv3，ghostnet，affnet等；2)使用尽可能多的训练数据，如收集尽可能多的手指静脉数据训练一个性能较好的识别模型；3)通过学习新用户的注册数据来微调模型，如迁移学习，元学习。上述方案在一定程度上提升了手指静脉识别系统在分布式场景下的识别性能，但依...
【技术保护点】
1.一种基于分块联邦学习的手指静脉识别方法，其特征在于，包括：
2.根据权利要求1所述的一种基于分块联邦学习的手指静脉识别方法，其特征在于，利用所述中央服务器对所述初始手指静脉识别全局模型中各模块进行预训练，具体包括：
3.根据权利要求1所述的一种基于分块联邦学习的手指静脉识别方法，其特征在于，得到预训练后的全局特征提取模块和预训练后的个性化模块，并下发给若干客户端，具体包括：
4.根据权利要求1所述的一种基于分块联邦学习的手指静脉识别方法，其特征在于，通过所述客户端对预训练后的各模块进行训练，得到更新后的全局特征提取模块和更新后的...
【技术特征摘要】
1.一种基于分块联邦学习的手指静脉识别方法，其特征在于，包括：
2.根据权利要求1所述的一种基于分块联邦学习的手指静脉识别方法，其特征在于，利用所述中央服务器对所述初始手指静脉识别全局模型中各模块进行预训练，具体包括：
3.根据权利要求1所述的一种基于分块联邦学习的手指静脉识别方法，其特征在于，得到预训练后的全局特征提取模块和预训练后的个性化模块，并下发给若干客户端，具体包括：
4.根据权利要求1所述的一种基于分块联邦学习的手指静脉识...
【专利技术属性】
技术研发人员：业巧林，任恒毅，林小钰，胡楚婷，
申请(专利权)人：南京林业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。