[發明專利]一種對抗生成網絡訓練方法、跨設備掌紋識別方法及系統

在審

• 申請號: 202211314356.3
• 申請日: 2022-10-26
• 公開（公告）號: CN115546848A
• 公開（公告）日: 2022-12-30
• 發明（設計）人: 朱旗;辛光南;周宇澤;鄭楚杭;李勝榮;張道強
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06V40/12
• 分類號: G06V40/12;G06V10/764;G06V10/774;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 賈瑞華

1.一種對抗生成網絡訓練方法，其特征在于，所述對抗生成網絡訓練方法包括：

將樣本集劃分為訓練組和待用組；所述樣本集包括多張由不同設備采集得到的掌紋圖像；

將所述訓練組輸入至自注意力循環對抗生成網絡進行訓練，以得到優化對抗生成網絡；所述自注意力循環對抗生成網絡包括生成器和判別器；所述生成器包括依次連接的第一卷積模塊、第一自注意力模塊、殘差模塊、第二自注意力模塊和反卷積模塊；

將所述待用組輸入至所述優化對抗生成網絡，以計算所述待用組中每個待用數據對應的質量分數；所述質量分數用于表征待用數據在所述優化對抗生成網絡中的訓練學習難易程度；

對多個所述質量分數進行升序，將升序后前k個質量分數對應的待用數據從所述待用組添加至所述訓練組，以得到對應的更新后訓練組和更新后待用組；

將所述訓練組更新為所述更新后訓練組，將所述待用組更新為所述更新后待用組，判斷所述待用組中待用數據的數量是否為零；

若所述待用組中待用數據的數量不為零，則返回將所述訓練組輸入至自注意力循環對抗生成網絡進行訓練，以得到優化對抗生成網絡的步驟；

若所述待用組中待用數據的數量為零，則將所述訓練組輸入至自注意力循環對抗生成網絡進行訓練，以得到最終對抗生成網絡。

2.根據權利要求1所述的對抗生成網絡訓練方法，其特征在于，所述第一自注意力模塊包括：

第一映射子模塊，用于對所述第一卷積模塊輸出的特征數據進行第一卷積映射，以得到鍵數據；

第二映射子模塊，用于對所述第一卷積模塊輸出的特征數據進行第二卷積映射，以得到查詢數據；

第三映射子模塊，用于對所述第一卷積模塊輸出的特征數據進行第二卷積映射，以得到值數據；

第一特征子模塊，用于對所述鍵數據和所述查詢數據進行第一點乘計算，然后對第一點乘結果進行歸一處理，以得到自注意力特征圖；

第二特征子模塊，用于對所述值數據和所述自注意力特征圖進行第二點乘計算，然后為第二點乘結果增加權重，以得到輸出特征映射；

自注意力子模塊，用于根據所述輸出特征映射和所述第一卷積模塊輸出的特征數據確定目標向量序列。

3.根據權利要求2所述的用于跨設備掌紋識別的對抗網絡訓練方法，其特征在于，所述自注意力子模塊，具體包括：

根據公式

y＝γO+x

確定目標向量序列；

其中，y表示目標向量序列，γ表示預設可學習的變量，O表示輸出特征映射，x表示第一卷積模塊輸出的特征數據。

4.根據權利要求1所述的對抗生成網絡訓練方法，其特征在于，所述待用數據對應的質量分數的計算公式為：

其中，Score_x表示第x生成圖像的質量分數，所述第x生成圖像為待用數據x輸入至優化對抗生成網絡后得到的生成圖像；表示數學期望，x～p_data(x表示從數據分布p_data(x)中采樣得到樣本x，F表示優化對抗生成網絡中的第一生成器，G表示優化對抗生成網絡中的第二生成器，||||₁表示1范數；||F(G(x))-x||₁表示樣本x通過生成器F生成與Y類似的x尖，再將x尖通過生成器G還原成的x與原始的樣本x的相似性，||F(x)-x||₁表示樣本x通過生成器F生成的x與原始樣本x的相似性；

Score_y表示第y生成圖像的質量分數，所述第y生成圖像為待用數據y輸入至優化對抗生成網絡后得到的生成圖像；y～p_data(y)表示從數據分布p_data(y中采樣得到樣本y；||G(F(y))-y||₁表示樣本y通過生成器G生成與X類似的y尖，再將y尖通過生成器F還原成的y與原始的樣本y的相似性，||G(y)-y||₁表示樣本y通過生成器G生成的y與原始樣本y的相似性。