一种轻量级掌静脉识别算法NEPVR

来源：计算机技术与发展杂志2024年第12期北京时间：

作者：马莉;刘子良;谭振林;黄蔼权;杨文茵*

摘要：信息技术的进步催生了生物特征识别逐渐替代传统身份验证方法,尤其关注卫生、安全的掌静脉识别,然而在计算资源受限的情况下保持识别性能仍然是一项挑战。 近年来,虽然深度学习架构 Vision Transformer 在模型性能上取得显著进展并在掌静脉识别领域逐渐得到应用,但是也因参数量问题限制了其适用范围。 该文提出了一种手掌静脉识别算法(NAM-EfficientViT Based Palm Vein Recognition,NEPVR),采用了 EfficientViT 作为深度学习的高效轻量化网络以减少参数量的规模,并结合归一化注意力机制加强图像在通道和空间维度上对重要细节特征的提取,进而保持良好的识别性能。此外,NEPVR 还融合了交叉熵和三元组损失函数作为在网络训练中的综合损失函数,以提高识别性能和模型收敛的稳定性。 实验结果表明:将掌静脉信息编码为 512 维特征向量的方法识别性能最佳;在 PolyU、CASIA 与 TongjiU 数据集上进行的评估中,等误差率(EER)分别达到了 0. 067% 、0. 150% 与 0. 085% ,充分证明了该算法的有效性。

关键词：EfficientViT;归一化注意力机制;轻量化;掌静脉识别;深度学习