基于多尺度特征和注意力机制的轻量级虹膜分割模型

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。