一种基于分块联邦学习的手指静脉识别方法
申请人信息
- 申请人:南京林业大学
- 申请人地址:210037 江苏省南京市龙蟠路159号
- 发明人: 南京林业大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于分块联邦学习的手指静脉识别方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311554523.6 |
| 申请日 | 2023/11/21 |
| 公告号 | CN117576742A |
| 公开日 | 2024/2/20 |
| IPC主分类号 | G06V40/14 |
| 权利人 | 南京林业大学 |
| 发明人 | 业巧林; 任恒毅; 林小钰; 胡楚婷 |
| 地址 | 江苏省南京市玄武区龙蟠路159号 |
摘要文本
本发明属于手指静脉识别领域，并公开了一种基于分块联邦学习的手指静脉识别方法，包括：通过中央服务器得到预训练后的全局特征提取模块和预训练后的个性化模块，并下发给若干客户端；通过客户端对预训练后的各模块进行训练，得到更新后的全局特征提取模块和更新后的个性化模块；客户端对更新后的个性化模块进行单独训练，将更新后的全局特征提取模块发送给中央服务器端进行加权平均计算；通过中央服务器对当前训练轮次是否达到规定值进行判断，若达到，则训练结束，将加权平均计算后的全局特征提取模块发送给客户端并通知客户端停止训练。本发明技术方案能够提升识别系统在终端设备下的性能，还能有效保护用户静脉模板的隐私。
专利主权项内容
1.一种基于分块联邦学习的手指静脉识别方法，其特征在于，包括：步骤一：通过中央服务器初始化联邦学习训练环境，生成初始手指静脉识别全局模型并设定训练轮次规定值；步骤二：利用所述中央服务器对所述初始手指静脉识别全局模型中各模块进行预训练，得到预训练后的全局特征提取模块和预训练后的个性化模块，并下发给若干客户端；步骤三：通过所述客户端对预训练后的各模块进行训练，得到更新后的全局特征提取模块和更新后的个性化模块；步骤四：所述客户端对所述更新后的个性化模块进行单独训练，得到单独训练后的个性化模块并保存在所述客户端中；步骤五：所述客户端将所述更新后的全局特征提取模块发送给所述中央服务器端进行加权平均计算；步骤六：通过所述中央服务器对当前训练轮次是否达到所述设定训练轮次的规定值进行判断，若所述当前训练轮次未达到所述训练轮次规定值，则跳转到步骤二；若所述当前训练轮次达到所述训练轮次规定值，则训练结束，将加权平均计算后的全局特征提取模块发送给客户端并通知客户端停止训练，利用所述单独训练后的个性化模块和所述加权平均计算后的全局特征提取模块进行手指静脉识别。 数据由马 克 团 队整理