【文献解读】注意力引导的U-Net模型用于虹膜分割
摘要
虹膜分割是提高虹膜识别精度的关键步骤，也是医学研究的重要内容。现有的网络学习方法一般采用全眼图像作为网络学习的输入，没有考虑虹膜只出现在眼睛特定区域的几何约束。因此，这些方法很容易受到虹膜区域外无关噪声像素的影响。为了解决这一问题，我们提出了注意力的U-Net模型，它引导模型学习更多的特征，以区分虹膜和非虹膜像素。该方法首先回归虹膜区域的边界框，生成一个注意力掩模。然后，以掩模作为加权函数，使分割模型更加关注虹膜区域。实验结果表明，该方法在具有挑战性的可见光和近红外虹膜图像上都取得了一致的改善，优于其他有代表性的虹膜分割方法。
发表期刊：Journal of Visual Communication and Image Representation
发表日期：2018年10月
参考文献
Lian, S.et al. Attention guided U-Net for accurate iris segmentation. Journal of Visual Communication and Image Representation, 2018. 56: p. 296-304.
视频推荐
