非结构场景中镜框尺寸测量的轻量化方法

• 全文链接
• 请求原文

作   者：

陈奕帆;  付东翔;  傅迎华;  陈杰; 

作者机构：

上海理工大学光电信息与计算机工程学院; 

关键词：

注意力机制;  目标检测;  深度学习;  CenterNet; 

期刊名称：

控制工程

i s s n：

1671-7848

年卷期：

2023 年 30 卷 011 期

页   码：

1971-1978

摘   要：

鉴于传统自适应阈值分割方法在检测中无法根据镜框粗细、颜色深浅以及拍摄背景复杂程度自适应双阈值门限.现采用深度学习中的 CenterNet 模型,通过 MobileNetV3中的bneck结构堆叠,组成CenterNet模型的主干特征提取部分,从用户图片中获得镜框和眼睛的类别信息、位置信息,最后通过相对位置关系计算出测量要求的相应尺寸.该过程无需对图像进行阈值分割,实现了非结构化场景中镜框尺寸的快速测量.实验结果表明,该方法不受镜框粗细以及拍摄背景的影响,检测精度高达 98.01%,每秒处理图片的数量(frames per second,FPS)达到 15 帧/秒,训练后的权重文件从 152 MB减小到 47 MB,并有较强的泛化能力.