- 博客(5)
- 收藏
- 关注
RSS订阅原创 【论文阅读分享】Multi-Faceted Knowledge-Driven Graph Neural Network for Iris Segmentation
如果了解一下图神经网络的知识就会发现，其是将图神经网络引入虹膜分割领域，并进行一些相关设计得出的，做法和现有GNN基本一致，先用CNN提取图像特征作为图节点，后输入GNN中分割。创新点在于其针对虹膜分割任务的细节设计，包含图节点特征设计（三方面知识）、损失函数（类别不平衡问题的解决）、降低计算复杂度等设计（自适应像素模块），是一篇极具创新的文章。（1）为什么加入语义一致性，我在复现其方法时也好像略微领略到一些，因为光靠节点特征和边的设计，其实提取的还是不够精准（针对现有的一些方法来说）；
2025-01-17 11:42:03
137
1
原创 【复值神经网络】应用到CV实践中的一些反思
2.在应用到计算机视觉任务，对于输入图像进行处理时，一般来说要面临怎么将图像从实数域转换到复数域的问题，可用一些传统方法：傅里叶、Gabor等，但如果这样，需要有一定经验，提前设计好参数。这样有一定的道理，但是仍然可以深挖，究竟有没有将图像完整复数化，是否丢掉了一些信息？1.复值网络目前的实现，还是基于在实值卷积的基础上，尽管现在有开源的包直接能使用，其实底层逻辑还是使用实值卷积的那一套。本人使用复值网络进行的图像识别任务，实际过程中遇到的一些问题，以及总结和反思，如有相同问题的欢迎大家探讨。
2025-01-07 16:52:42
222
原创 【虹膜识别】论文阅读：Towards Complete and Accurate Iris Segmentation Using Deep Multi-task Attention Network..
在非合作环境中捕获的虹膜图像往往存在不利的噪声，这对现有的虹膜分割方法提出了挑战。为了解决这一问题，本文提出了一种高效的基于深度学习的虹膜分割方法，命名为IrisParseNet。不同于以往许多基于cnn的虹膜分割方法只是遵循流行的语义分割框架来预测准确的虹膜面具，本文提出的方法是一种完整的虹膜分割解决方案，，共同实现虹膜面具和参数化的虹膜内外边界。在此基础上，引入了精心设计的，提高了分割性能。为了训练和评估所提出的方法，我们手动标记了三个具有代表性和挑战性的虹膜数据库，即CASIA。
2025-01-07 15:57:43
950
1
原创 【虹膜识别】论文阅读：Fast Iris Segmentation under Partly Occlusion Based on MTCNN and Weighted FCN】
本文针对情况，提出了一种虹膜分割方法，包括基于的快速眼部检测、基于和的虹膜分割以及虹膜半径坐标校正。首先，我们将多任务级联卷积网络应用于眼睛检测，该网络具有轻巧、快速的特点。然后，我们提出加权FCN和Hough变换来分割虹膜，即使虹膜部分遮挡。最后，设计了一种校正方案来校正真实世界中的虹膜半径。
2023-03-30 10:18:13
323
1
原创 [虹膜识别] 论文：《A LIGHTWEIGHT MULTI-LABEL SEGMENTATION NETWORK FOR MOBILE IRIS BIOMETRICS》
本文提出了一种新颖的、轻量级的深度卷积神经网络，专门用于移动设备获取的噪声图像的虹膜分割。不同于以往的研究仅仅是利用流行的CNN技术提高分割掩码的准确性，我们的方法是一种完整的端到端的虹膜分割解决方案，即分割掩码和参数化虹膜瞳孔和边缘边界同时得到，这进一步使得基于CNN的虹膜分割可以应用于任何常规的虹膜识别系统。通过引入中间图形边界表示，对虹膜边界的预测和分割掩码共同形成了一个多标签语义分割问题，通过精心适应的堆叠沙漏网络可以很好地解决这个问题。
2023-03-29 20:58:41
417
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人