来源：期刊VIP网 时间：
作者：陶志勇;高亚静;王萌;林森;
单位：辽宁工程技术大学电子与信息工程学院;郑州科技学院电子与电气工程学院;沈阳理工大学自动化与电气工程学院;
摘要：针对现有手指静脉识别算法速度慢、复杂度高以及Transformer架构在小数据集上效果不佳的问题,提出轻量级Transformer的双向交互识别方法 .利用轻量级卷积神经网络与改进的Transformer架构组成并行主干网络,用于近红外手指静脉图像的局部和全局特征提取;设计交互结构,在并行结构的基础上,以交互方式融合两条分支上不同尺度的特征.为最大程度地保留近红外图像的局部特征和全局表示,将两条分支提取的信息拼接融合,通过输出层得出识别结果 .结果表明,该算法在多个数据集上的最高识别率可达99.77%,参数量仅1.33 MB.相较于其他指静脉算法,以及改进的Transformer架构,在保持高准确率的同时进一步降低了算法的复杂度.
关键词：卷积神经网络;;指静脉识别;;近红外图像;;轻量级网络;;特征提取
基金资助：辽宁省教育厅重点攻关项目(LJKZ0349);; 辽宁省高等学校基本科研项目(LJKMZ20220679)
