ORCNet：一种基于上下文同时分割眼部区域组件的网络
计算机视觉与模式识别
2022-04-18 v1
摘要
准确提取感兴趣区域对于成功的基于眼部区域的生物特征识别至关重要。为此，我们提出一种基于上下文的新分割方法，称为眼部区域上下文网络（ORCNet），并引入一种特定的损失函数，即惩罚上下文损失（PC-Loss）。PC-Loss 利用真实掩码与分割掩码之间的百分比差值来惩罚网络的分割损失。我们通过考虑 Biederman 的语义关系概念获得该百分比差值，其中使用三种上下文（语义、空间和尺度）来评估图像中对象的关系。我们的方案在评估场景中取得了有前景的结果：虹膜、巩膜及 ALL（虹膜+巩膜）分割，优于文献中的基线技术。配备 ResNet-152 的 ORCNet 在 F-Score、错误率和交并比上平均分别优于最佳基线（配备 ResNet-152 的 EncNet）2.27%、28.26% 和 6.43%。作为工作的另一贡献，我们还提供（用于研究目的）MICHE-I 数据库的 3,191 个手动标注掩码。
引用
@article{arxiv.2204.07456,
title = {ORCNet: A context-based network to simultaneously segment the ocular region components},
author = {Diego Rafael Lucio and Luiz A. Zanlorensi and Yandre Maldonado e Gomes da Costa and David Menotti},
journal= {arXiv preprint arXiv:2204.07456},
year = {2022}
}