README.md

PalmRecognition

实现对人手掌纹的预测

要求

使用模型

ResNet-18

训练集与测试集

• 将session1作为训练集，session2作为测试集
• 可以将训练集做图像增强的操作，增加样本量（论文里采用了水平翻转）

读取数据

使用torch的DataLodaer模块，其中接受的数据集经过ImageFolder装饰，因此最后一维是标签

• 使用ImageFolder，可以使存储数据的文件夹名转化为标签
• ImageFolder对数据有要求：需要每一个人的掌纹图片存储在对应的以ID文件名的文件下
• DataLoader不能用下标访问，是一个iter的对象（即只能for循环遍历）

训练

• 训练集在读取session1的所有图像上 + 一张session2读取到的第一张掌纹图 (mixed data mode)

模型细节

• ResNet对图片输入的大小要求是$224*224$

• 模型要输入RGB图像，训练数据是灰度图像，要将图像通道复制三次变成RGB图像

• 参数初始化：不随机初始化参数，而是将ImageNet预训练模型得到的参数作为初始参数

• 论文中得到的最优学习率是$5*10^{-5}$

• 采用深度学习网络学习得到掌纹的特征，输出掌纹特征，计算向量之间的相似度来判断是否为同一人

流程图

from Biao Liu's paper