基于多尺度特征和注意力机制的轻量级虹膜分割模型

霍光; 林大为; 刘元宁; 朱晓冬; 袁梦; 盖迪

doi:10.13229/j.cnki.jdxbgxb.20220044

吉林大学学报(工学版) ›› 2023, Vol. 53 ›› Issue (09) : 2591 -2600. DOI: 10.13229/j.cnki.jdxbgxb.20220044

计算机科学与技术

基于多尺度特征和注意力机制的轻量级虹膜分割模型

霍光 ¹ ,
林大为 ¹ ,
刘元宁 ²^,³ ,
朱晓冬 ²^,³ ,
袁梦 ² ,
盖迪 ⁴

作者信息 +

Lightweight iris segmentation model based on multiscale feature and attention mechanism

Guang HUO ¹ ,
Da-wei LIN ¹ ,
Yuan-ning LIU ²^,³ ,
Xiao-dong ZHU ²^,³ ,
Meng YUAN ² ,
Di GAI ⁴

Author information +

文章历史 +

PDF (1845K)

摘要

针对基于深度学习的虹膜分割模型存在参数量大、计算量大、占用空间大的问题，提出了一种轻量级的虹膜分割模型。首先，将Linknet中特征提取网络替换为改进的轻量级网络MobileNetv3。这种设计在保持准确性的同时显著地提高了模型效率。其次，为了减少虹膜特征信息丢失，设计了一个多尺度特征提取模块。再次，引入了通道注意力机制，抑制无关噪声，加大虹膜区域的权重。最后，在3个虹膜数据库上将本文模型与其他虹膜分割模型进行比较，结果表明，本文模型在虹膜分割准确率和效率之间取得了更好的平衡。