融合注意力机制和残差网络的掌纹识别

为了提高掌纹识别算法的准确率,解决掌纹纹理信息利用率不高的问题,给出了一种融合高效通道注意力机制的改进残差网络(ECA-MNet)对掌纹图像进行分类。在原始残差网络的基础上对残差模块进行改进,将多个改进的残差模块进行拼接,同时在残差模块内部添加高效通道注意力机制模块,通过权重分配来突出重点特征。实验结果表明,ECA-MNet在4种公开掌纹数据集上的识别准确率较其他经典网络模型均有提升,在自建掌纹数据集上的识别准确率达到98.21%。