基于多尺度特征和注意力机制的轻量级虹膜分割模型

作     者：霍光 林大为 刘元宁 朱晓冬 袁梦 盖迪 HUO Guang;LIN Da-wei;LIU Yuan-ning;ZHU Xiao-dong;YUAN Meng;GAI Di

作者机构：东北电力大学计算机学院吉林省吉林市132012 吉林大学计算机科学与技术学院长春130012 吉林大学符号计算与知识工程教育部重点实验室长春130012 南昌大学软件学院南昌330047 

基　　金：吉林省教育厅科学技术研究项目(JJKH20220118KJ) 

出 版 物：《吉林大学学报（工学版）》 (Journal of Jilin University:Engineering and Technology Edition)

年 卷 期：2023年第53卷第9期

页      码：2591-2600页

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。

主 题 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 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

核心收录：

D　O　I：10.13229/j.cnki.jdxbgxb.20220044

馆 藏 号：203124056...