首页|基于轻量化网络的眼部特征分割方法

基于轻量化网络的眼部特征分割方法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对高分辨率眼部图像的瞳孔、虹膜特征快速识别与检测问题,提出了一种轻量化语义分割网络DIA-UNet(double input attention UNet).它采用对称双编码结构同步获取眼部灰度图及其轮廓图特征,并通过双注意力机制实现了解码端的特征筛选,将深层融合特征作为语义分割输出.在CASIA-Iris-Interval和高分辨率瞳孔数据集上测试结果表明,与其他轻量化语义分割网络相比,本文提出的DIA-UNet在保证虹膜、瞳孔分割准确率的同时网络参数个数仅有0.076 Million,处理速度高达123.5 FPS.
A Lightweight-Network-Based Segmentation Method for Eye Features

郑戍华、南若愚、李守翔、王向周、陈梦心

展开 >

北京理工大学自动化学院,北京 100081

语义分割 双输入结构 注意力机制 轻量化网络 眼部特征

2021

10.15918/j.tbit1001-0645.2020.119

北京理工大学学报
北京理工大学

北京理工大学学报

CSTPCDCSCD北大核心
影响因子：0.609
ISSN：1001-0645
年,卷(期)：2021.41(9)
  • 1