[发明专利]基于R2U-Net的手指静脉分割方法、装置和存储介质在审
| 申请号： | 201910917188.9 | 申请日： | 2019-09-26 |
| 公开（公告）号： | CN110674824A | 公开（公告）日： | 2020-01-10 |
| 发明（设计）人： | 曾军英;王璠;秦传波;朱伯远;朱京明;翟懿奎;甘俊英 | 申请（专利权）人： | 五邑大学 |
| 主分类号： | G06K9/34 | 分类号： | G06K9/34;G06K9/62;G06K9/00 |
| 代理公司： | 44205 广州嘉权专利商标事务所有限公司 | 代理人： | 孙浩 |
| 地址： | 529000 广*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于R2U‑Net的手指静脉分割方法、装置和存储介质，在编解码单元中，用具有残差单元的循环卷积层来代替规则的前向卷积层，使用循环卷积层的残差单元有助于建立一个更有效的更深层的模型，而其中的循环卷积层单元包含了有效的特征累积方法，不同时间步长的特征积累保证了更好、更强的特征表示。因此，它有助于提取非常低层次的特征，这些特征对于手指静脉的分割是必不可少的。在神经网络训练过程中，一方面在每张图像中随机选择其中心获得子块来进行数据扩充；另一方面将综合六种传统方法附以不同权重提取到的纹路作为金标准，该方法可以充分发挥每种传统提取纹路的优势，弥补劣势。 | ||
| 搜索关键词： | 循环卷积 纹路 手指静脉 残差 神经网络训练 传统提取 存储介质 解码单元 时间步长 数据扩充 随机选择 特征表示 特征积累 金标准 分割 卷积 前向 权重 子块 图像 保证 | ||
【主权项】：
1.一种基于R2U-Net的手指静脉分割方法，其特征在于，包括：/n生成利于神经网路训练的预处理图像；/n生成利于神经网络训练的子块数据；/n生成利于神经网络训练的金标准；/n采用具有残差单元的循环卷积层代替规则的前向卷积层来学习特征表示以及特征积累。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于五邑大学，未经五邑大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910917188.9/，转载请声明来源钻瓜专利网。
