利用粗标注同时检测虹膜与眼周区域

在本工作中，我们提出利用粗标注与两种知名目标检测器 YOLOv2 和 Faster R-CNN 同时检测虹膜与眼周区域。我们认为，鉴于手动标注训练图像所需的工程工作量大幅减少，粗标注可用于基于虹膜与眼周区域的识别系统。我们手动制作了虹膜与眼周区域的粗标注（来自可见（VIS）光谱的 122K 图像与来自近红外（NIR）光谱的 38K 图像）。NIR 数据库中的虹膜标注通过先应用虹膜分割 CNN 再进行人工核查而半自动生成。这些标注针对 11 个知名的公开数据库（3 个 NIR 与 8 个 VIS）制作，这些数据库专为基于虹膜识别的问题设计，并向研究界公开可用。在这些数据库上实验我们的方案，我们强调两点结果。第一，Faster R-CNN + 特征金字塔网络（FPN）模型报告的 Intersection over Union（IoU）高于 YOLOv2（91.86% 对 85.30%）。第二，同时执行虹膜与眼周区域检测与分开执行同样准确，但计算成本更低，即两项任务以一项任务的成本完成。