ＤＯＩ：１０．１６１３６／ｊ．ｊｏｅｌ．２０２３．０４．０２８５融合注意力机制与残差网络的人耳识别方法曹淑欣１，２，许学斌１，２＊，路龙宾１，刘晨光１（１．西安邮电大学计算机学院，陕西西安７１０１２１；２．西安邮电大学陕西省网络数据分析与智能处理重点实验室，陕西西安７１０１２１）摘要：人耳特征具有良好的唯一性与稳定性等特点，近年来被广泛应用于身份识别领域。针对人耳采集易受头发、耳饰等物品遮挡问题，本文提出了一种基于ＥＲＮｅｔ的人耳识别方法。该方法在ＩＲｅｓＮｅｔ网络的基础上，引入改进的ＳＥ模块，通过融合最大池化与均值池化的统计特性，增强身份相关特征的表示，抑制非相关特征的影响，以此解决在非受控环境下由于遮挡原因造成的识别困难问题。大量实验结果表明，相比较于原网络，改进后的方法识别性能提高较为明显。在同等遮挡条件下，本文所提出的模型具有较好的鲁棒性能。关键词：图像融合；注意力机制；卷积神经网络（ＣＮＮ）；深度残差网络；人耳识别中图分类号：ＴＰ１８３；ＴＰ３９１．４１文献标识码：Ａ文章编号：１００５－００８６（２０２３）０４－０３７８－０９Ｅａｒｒｅｃｏｇｎｉｔｉｏｎｍｅｔｈｏｄｃｏｍｂｉｎｉｎｇａｔｔｅｎｔｉｏｎｍｅｃｈａｎｉｓｍａｎｄｒｅｓｉｄ－ｕａｌｎｅｔｗｏｒｋＣＡＯＳｈｕｘｉｎ１，２，ＸＵＸｕｅｂｉｎ１，２＊，ＬＵＬｏｎｇｂｉｎ１，ＬＩＵＣｈｅｎｇｕａｎｇ１（１．ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｘｉ′ａｎＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓ＆Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ，Ｘｉ′ａｎ，Ｓｈａａｎｘｉ７１０１２１，Ｃｈｉｎａ；２．ＳｈａｎｎｘｉＫｅｙＬａｂｏｒａｔｏｒｙｏｆＮｅｔｗｏｒｋＤａｔａＡｎａｌｙｓｉｓａｎｄＩｎｔｅｌｌｉｇｅｎｔＰｒｏｃｅｓｓｉｎｇ，Ｘｉ′ａｎＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓ＆Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ，Ｘｉ′ａｎ，Ｓｈａａｎｘｉ７１０１２１，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｈｕｍａｎｅａｒｆｅａｔｕｒｅｓｗｅｒｅｗｉｄｅｌｙｕｓｅｄｉｎｔｈｅｆｉｅｌｄｏｆｉｄｅｎｔｉｔｙｒｅｃｏｇｎｉｔｉｏｎｉｎｒｅｃｅｎｔｙｅａｒｓｏｗｉｎｇｔｏｔｈｅｉｒｇｏｏｄｕｎｉｑｕｅｎｅｓｓａｎｄｓｔａｂｉｌｉｔｙ．Ｈｏｗｅｖｅｒ，ｔｈｅｐｒｏｂｌｅｍｔｈａｔｈｕｍａｎｅａｒａｃｑｕｉｓｉｔｉｏｎ...
