-
题名基于改进YOLOv5的眼睛及瞳孔检测算法
- 1
-
-
作者
韩慧妍
范鑫茹
-
机构
中北大学计算机科学与技术学院
机器视觉与虚拟现实山西省重点实验室
山西省视觉信息处理及智能机器人工程研究中心
-
出处
《计算机技术与发展》
2024年第4期76-81,共6页
-
基金
国家自然科学基金(62106238)
山西省科技重大专项计划“揭榜挂帅”项目(202201150401021)
+1 种基金
山西省自然科学基金项目(202303021211153)
山西省科技成果转化引导专项(202104021301055)。
-
文摘
针对眼睛图像易受光照干扰导致的眼睛部位和瞳孔部位检测不准确及误检漏检的问题,提出基于改进YOLOv5的眼睛及瞳孔检测算法。首先,进行图像预处理,对比了三种图像增强方法,决定运用效果较好的CLAHE(限制对比度自适应直方图均衡化)方法进行图像增强,提高对比度;其次,在YOLOv5网络中引入Swin Transformer模块代替骨干网络的最后一个C3模块和三个预测头中的三个C3模块,提高网络的特征提取能力,提升眼睛部位的检测精度;最后,在YOLOv5网络中通过引入多尺度特征跨层融合机制的方法,增加两个目标预测头,降低网络对眼睛部位和瞳孔部位的漏检率。该文从ELSE标准数据集中的Data setXVIII中选取了受光照程度不同的眼睛数据集2 400张,其中,1 600张为训练集,800张为测试集。实验结果表明,改进后的YOLOv5网络能检测出眼睛整体部位及完整的瞳孔部位,检测置信度也较高,mAP提高了3.2百分点,Recall提高了2.7百分点,且具有较好的实时性。
-
关键词
眼睛及瞳孔检测
YOLOv5
CLAHE
Swin
Transformer
多尺度特征跨层融合机制
-
Keywords
eye part detection
YOLOv5
CLAHE
Swin Transformer
Multi scale feature cross layer fusion mechanism
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
