基于改进的残差网络的指纹识别算法

为了提高指纹识别算法的准确率,文中提出一种基于改进的残差网络的指纹识别算法。该算法首先对指纹图像进行预处理,包括裁剪、旋转等操作,旨在增强数据的多样性;然后设计深度卷积网络,此网络是由多个改进的残差单元连接组成,专为指纹识别而设计,用于提取指纹图像的特征;最后针对深度卷积网络,采用交叉熵作为损失函数,利用Adam算法进行优化。实验结果表明:文中算法的识别准确率达到98.79%,识别时间约为60 ms,模型大小约4.29 MB;与AlexNet及VGG相比,该算法准确率更高,模型更小,在减少处理时间的同时不会过度拟合,可显著提高指纹识别的性能。