典型文献
MEL-YOLO:多任务人眼属性识别及关键点定位网络
文献摘要：
针对当前人眼定位相关算法任务单一、且在多种干扰因素影响下(如光照、眼镜、遮挡)性能下降的问题,提出了可同时检测人眼感兴趣区域、识别人眼多种属性及定位关键点的轻量型神经网络MEL-YOLO.将YOLOV3算法与改进的DS-sandglass模块结合,在关键点回归分支应用去归一化的编解码方法提高网络定位宽度,并且在损失函数引入完全交并比(Complete intersection-over-union,CIoU)和均方误差(Mean square error,MSE),使得网络整体性能提升.MEL-YOLO算法在近红外虹膜数据集上人眼检测准确率为100％;属性识别和关键点定位准确率分别为98.7％和96.5％,在可见光数据集UBIRIS上分别达到92％和91％.实验结果证明:MEL-YOLO能同时实现人眼检测、属性识别及关键点定位,且准确率高、模型较小、泛化能力强,能够适用于低性能的边缘计算设备.
文献关键词：
人眼定位;属性识别;卷积神经网络;关键点定位;轻量型算法
中图分类号：
作者姓名：
吴东亮;沈文忠;刘林嵩
作者机构：
上海电力大学电子与信息工程学院,上海 201306
文献出处：
引用格式：
[1]吴东亮;沈文忠;刘林嵩-.MEL-YOLO:多任务人眼属性识别及关键点定位网络)[J].数据采集与处理,2022(01):82-93
A类：
sandglass,UBIRIS
B类：
MEL,多任务,属性识别,关键点定位,人眼定位,位相,任务单,干扰因素,眼镜,遮挡,性能下降,同时检测,感兴趣区域,别人,种属,YOLOV3,DS,支应,用去,编解码方法,网络定位,损失函数,交并比,Complete,intersection,over,union,CIoU,均方误差,Mean,square,error,MSE,整体性能,性能提升,近红外,虹膜,人眼检测,检测准确率,定位准确率,可见光,光数,泛化能力,边缘计算,计算设备,轻量型算法
AB值：
0.437574
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
