典型文献
基于改进YOLO的虹膜快速定位检测算法
文献摘要：
虹膜定位是虹膜识别系统中不可或缺的环节,针对传统的虹膜定位方法对镜面反射、眨眼等复杂环境下质量差的虹膜图像定位准确率低、计算复杂度高和鲁棒性差等问题,提出了一种基于改进YOLOv3模型的虹膜快速定位方法.针对眼周图像中虹膜内、外圆尺寸变化不大,将YOLOv3网络的多尺度结构改进为双尺度检测;引入了轻量级网络Mobilev3中bneck块来改进特征提取网络,减小模型复杂度;利用K-means++算法对虹膜数据集进行类聚,获得更优的锚点框;模型边框损失函数采用LossGIoU改进原均方差(mean squared error,MSE)损失函数;利用虹膜特有几何特征,将模型矩形预测框更改为圆形预测框.在CASIA-IrisV4数据集验证表明,改进模型定位准确率为96.32％,平均精度均值(mean average precision,mAP)为99.37％,检测速度为49.4帧/s,模型参数减少到4.13×106.结果表明改进后的模型较小,并且能够快速精准对虹膜区域定位,具有较高鲁棒性,能够满足虹膜实时定位的场景.
文献关键词：
虹膜定位;轻量级网络;YOLOv3;锚点框;损失函数
中图分类号：
作者姓名：
周奥;杨岗;闫磊;张东兴
作者机构：
西南交通大学机械工程学院,成都610031;中车青岛四方机车车辆股份有限公司技术中心,青岛266111
文献出处：
引用格式：
[1]周奥;杨岗;闫磊;张东兴-.基于改进YOLO的虹膜快速定位检测算法)[J].科学技术与工程,2022(33):14801-14808
A类：
Mobilev3,bneck,LossGIoU,IrisV4
B类：
快速定位,定位检测,检测算法,虹膜定位,虹膜识别,识别系统,定位方法,镜面反射,眨眼,复杂环境,虹膜图像,图像定位,定位准确率,计算复杂度,YOLOv3,外圆,尺寸变化,多尺度结构,结构改进,双尺度,轻量级网络,改进特征,特征提取网络,模型复杂度,means++,类聚,锚点框,边框损失函数,squared,error,MSE,几何特征,更改,CASIA,数据集验证,改进模型,平均精度均值,average,precision,mAP,检测速度,区域定位,高鲁棒性,实时定位
AB值：
0.394844
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。
