EyeNet：基于注意力的卷积编解码网络用于眼区分割
计算机视觉与模式识别
2019-10-09 v1
摘要
随着增强现实与虚拟现实领域的沉浸式发展，需要准确而快速的眼动追踪。Facebook Research 组织了一项名为 OpenEDS 语义分割挑战赛，用于对关键眼区进行逐像素分割：巩膜、虹膜、瞳孔及其他一切（背景）。为参与者设定了两个约束，即 MIOU 与模型的计算复杂度。近来，研究者使用卷积神经网络（CNN）在眼区分割上取得了相当好的结果。然而，该任务所涉及的环境挑战，如低分辨率、模糊、异常反光、光照、离角、离轴、眼镜的使用以及虹膜区域的不同颜色，阻碍了分割的准确性。为应对眼分割中的挑战，本工作提出了一种鲁棒且计算高效的基于注意力的卷积编解码网络，用于分割所有眼区。我们的模型名为 EyeNet，包含改进的残差单元作为主干、两类注意力块以及多尺度监督，用于分割上述四个眼区。我们提出的模型在测试数据上取得了 0.974（EDS 评估指标）的总分，展示了优于基线方法的结果。
引用
@article{arxiv.1910.03274,
title = {Eyenet: Attention based Convolutional Encoder-Decoder Network for Eye Region Segmentation},
author = {Priya Kansal and Sabari Nathan},
journal= {arXiv preprint arXiv:1910.03274},
year = {2019}
}
备注
To be appear in ICCVW 2019