基于MaskR-CNN卷积神经网络的虹膜分割①敬红燕,彭静,吴锡,李孝杰(成都信息工程大学计算机学院,成都610225)通信作者:彭静,E-mail:pengj@cuit.edu.cn摘要:针对虹膜图像中存在眼镜遮挡、模糊、角度偏差等不同噪声因素,我们设计了一种基于MaskR-CNN的卷积神经网络(convolutionalneuralnetwork,CNN),命名为Mask-INet,用于虹膜分割.该网络在特征提取阶段为特征金字塔添加了一条自底向上的路径,既提高了底层到顶层特征的定位信息,增强语义信息融合,又进一步加快了底层到顶层的传播效率,有效提升对虹膜特征提取的准确性.为了进一步挖掘特征图中的特征信息,在掩模预测分支阶段,我们引入上采样和CBAM网络(convolutionalblockattentionmodule),利用上采样提高特征图的空间分辨率,利用CBAM网络让特征图中的显著信息更加显著,增强对特征的判别性.该方法在NIR-ISL2021比赛提供的虹膜数据集进行了验证.在相同实验条件下与该赛事的冠军相比,该方法的各项指标均优于其网络.与基线MaskR-CNN相比,该方法的Dice相似系数、平均交并比、召回率分别提升了8.53%、11.97%、8.88%,提升了虹膜分割效果.关键词:虹膜分割;特征金字塔;MaskR-CNN;残差网络;CBAM;图像分割引用格式:敬红燕,彭静,吴锡,李孝杰.基于MaskR-CNN卷积神经网络的虹膜分割.计算机系统应用,2023,32(2):83–93.http://www.c-s-a.org.cn/1003-3254/8971.htmlMaskR-CNN-embeddedConvolutionalNeuralNetworkforIrisSegmentationJINGHong-Yan,PENGJing,WUXi,LIXiao-Jie(SchoolofComputerScience,ChengduUniversityofInformationTechnology,Chengdu610225,China)Abstract:Inresponsetodifferentnoisesinirisimages,suchasocclusionbyglasses,blur,andangledeviation,thisstudydesignsaconvolutionalneuralnetwork(CNN)embeddedwithMaskR-CNN,namedMask-INet,foririssegmentation.Thenetworkaddsabottom-uppathtothefeaturepyramidinthefeatureextractionstage,whichnotonlyimprovesthelocalizationinformationofbottom-to-topfeaturesandenhancessemanticinformationfusionbutalsofurtheracceleratesbottom-to-toppropagationefficiencyandeffectivelyimprovestheaccuracyofirisfeatureextraction.Tofurtherexplorethefeatureinformationinthefeaturemap,thestudyintroducesupsamplingandaconvolutionalblockattentionmodule(CBAM)networkinthemaskpredictionbranchingstage.Upsamplingisusedtoimprovethespatialresol...
