基于轻量化网络的眼部特征分割方法

摘要：

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.

关键词：语义分割;双输入结构;注意力机制;轻量化网络;眼部特征

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

在线出版日期：2021-10-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：970-976