基于多尺度特征和注意力机制的轻量级虹膜分割模型 |
| |
引用本文: | 霍光,林大为,刘元宁,朱晓冬,袁梦,盖迪.基于多尺度特征和注意力机制的轻量级虹膜分割模型[J].吉林大学学报(工学版),2023(9):2591-2600. |
| |
作者姓名: | 霍光 林大为 刘元宁 朱晓冬 袁梦 盖迪 |
| |
作者单位: | 1. 东北电力大学计算机学院;2. 吉林大学计算机科学与技术学院;3. 吉林大学符号计算与知识工程教育部重点实验室;4. 南昌大学软件学院 |
| |
基金项目: | 吉林省教育厅科学技术研究项目(JJKH20220118KJ); |
| |
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。
|
关 键 词: | 计算机应用 虹膜分割 深度学习 轻量级网络 注意力机制 多尺度特征 |
|
|