KartalOl：基于深度神经网络的迁移学习用于虹膜分割与定位：新的虹膜分割数据集
计算机视觉与模式识别
2021-12-13 v1
摘要
在非受限环境中，由于长距离、光照变化、用户配合有限以及被摄体移动，虹膜分割与定位具有挑战性。为解决此问题，我们提出了一种带有预训练MobileNetV2深度神经网络的U-Net方法。我们采用MobileNetV2在ImageNet数据集上给定的预训练权重，并在虹膜识别与定位领域对其进行微调。此外，我们引入了一个名为KartalOl的新数据集，以更好地评估虹膜识别场景中的检测器。为提供域适应，我们在CASIA-Iris-Asia、CASIA-Iris-M1、CASIA-Iris-Africa以及我们的数据集所提供的NIR-ISL 2021上微调MobileNetV2模型。我们还通过执行左右翻转、旋转、缩放和亮度调整来增强数据。我们通过遍历所提供数据集中的图像来为二值掩码选择二值化阈值。所提出的方法在CASIA-Iris-Asia、CASIA-Iris-M1、CASIA-Iris-Africa以及KartalOl数据集上进行了测试与训练。实验结果突显我们的方法在基于移动的基准上超越了最先进的方法。代码与评估结果公开于 https://github.com/Jalilnkh/KartalOl-NIR-ISL2021031301。
引用
@article{arxiv.2112.05236,
title = {KartalOl: Transfer learning using deep neural network for iris segmentation and localization: New dataset for iris segmentation},
author = {Jalil Nourmohammadi Khiarak and Samaneh Salehi Nasab and Farhang Jaryani and Seyed Naeim Moafinejad and Rana Pourmohamad and Yasin Amini and Morteza Noshad},
journal= {arXiv preprint arXiv:2112.05236},
year = {2021}
}