基于深度学习算法的小样本人耳识别

摘要

虽然人耳识别取得很大进展,但在非控制条件下人耳识别容易受姿态变化和遮挡等因素的影响,仍存在很多问题;此外人耳识别实用系统往往难以获得待识别个体的多个样本.针对上述两点提出新的基于深度学习的小样本人耳识别方法.首先把人耳识别主要模块构建成一个卷积神经网络模型,并在其全连接层后面加一个K-近邻层以均衡所有分类,解决卷积神经网络对于小样本的过拟合问题.使用构建的模型自动学习人耳图像的特征,最后利用支持向量机对提取的人耳特征进行分类识别.实验结果与后续分析证明,与传统的机器学习识别方法相比,改进的深度学习模型具有更高的人耳识别率和更强的鲁棒性.