第４３卷第２期杭州电子科技大学学报（自然科学版）Ｖｏｌ．４３Ｎｏ．２２０２３年３月ＪｏｕｒｎａｌｏｆＨａｎｇｚｈｏｕＤｉａｎｚｉＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅｓ）Ｍａｒ．２０２３ＤＯＩ：１０．１３９５４／ｊ．ｃｎｋｉ．ｈｄｕ．２０２３．０２．００６基于深度残差网络的轻量级指静脉识别算法牟家乐，沈雷，刘浩，郑鹏（杭州电子科技大学通信工程学院，浙江杭州３１００１８）收稿日期：２０２２－０４－２５作者简介：牟家乐（１９９７－），男，研究方向：数字图像处理。Ｅ－ｍａｉｌ：１２５７９３５７２９＠ｑｑ．ｃｏｍ。通信作者：沈雷，教授，研究方向：数字图像处理、模式识别。Ｅ－ｍａｉｌ：ｓｈｅｎｌｅｉ＠ｈｄｕ．ｅｄｕ．ｃｎ。摘要：提出一种基于深度残差网络的轻量级指静脉识别算法。首先，以ＲｅｓＮｅｔ３４为基础，使用深度可分离卷积代替传统卷积，加入ＳＥ（ＳｑｕｅｅｚｅａｎｄＥｘｃｉｔａｔｉｏｎ）注意力机制模块来提取手指静脉空间域上的细节特征，并引入宽度缩放因子，进一步压缩网络；其次，在训练中引入教师－学生网络模式，对轻量级深度残差网络进行知识蒸馏训练，并使用知识蒸馏损失、ＣｕｒｒｉｃｕｌａｒＦａｃｅ和交叉熵损失对网络进行联合监督，解决了轻量级深度残差网络因学习参数量较少引起的性能下降问题。分别在ＦＶ－ＵＳＭ数据集、Ｌａｂ－Ｎｏｒｍａｌ数据集和Ｌａｂ－Ｓｐｅｃｉａｌ数据集上进行仿真实验，结果表明，同基于轻量级网络ＭｏｂｉｌｅＦａｃｅＮｅｔ的识别算法相比，提出的算法有效提高了零误识识别率和Ｔｏｐ１排序性能。关键词：指静脉识别；网络压缩；知识蒸馏；宽度缩放因子；深度学习中图分类号：ＴＰ３９１．４１文献标志码：Ａ文章编号：１００１－９１４６（２０２３）０２－００３５－０６０引言随着网络技术的迅速发展，人们更加关注个人信息的安全。生物识别技术具有更高的安全性和便利性，备受青睐。应用较为广泛的生物识别技术主要有指纹识别、人脸识别和虹膜识别等［１］。手指静脉不易被复制和伪造，其识别技术具有更快的识别速度和更高的安全性，应用广泛［２］。指静脉识别技术主要分为传统方法和深度学习方法。传统指静脉识别方法主要是将提取的指静脉纹路、纹理以及细节点等作为指静脉特征进行识别。文献［３］提出一种基于局部最大曲率的特征提取算法，提取到的特征不易受静脉宽度和亮度波动的影响，特征更加稳定。文献［４］采...
