Study on Iris Segmentation Algorithm Based on Dense U-Net
نویسندگان
چکیده
منابع مشابه
A New IRIS Segmentation Method Based on Sparse Representation
Iris recognition is one of the most reliable methods for identification. In general, itconsists of image acquisition, iris segmentation, feature extraction and matching. Among them, iris segmentation has an important role on the performance of any iris recognition system. Eyes nonlinear movement, occlusion, and specular reflection are main challenges for any iris segmentation method. In thi...
متن کاملA New IRIS Segmentation Method Based on Sparse Representation
Iris recognition is one of the most reliable methods for identification. In general, itconsists of image acquisition, iris segmentation, feature extraction and matching. Among them, iris segmentation has an important role on the performance of any iris recognition system. Eyes nonlinear movement, occlusion, and specular reflection are main challenges for any iris segmentation method. In thi...
متن کاملAn Improved Neural Segmentation Method Based on U-NET
摘要:局部麻醉技术作为现代社会最为常见的麻醉技 术,具有安全性高,副作用小等优势。通过分析超声 图像,分割图像中的神经区域,有助于提升局部麻醉 手术的成功率。卷积神经网络作为目前最为高效的图 像处理方法之一,具有准确性高,预处理少等优势。 通过卷积神经网络来对超声图像中的神经区域进行分 割,速度更快,准确性更高。目前已有的图像分割网 络结构主要有U-NET[1],SegNet[2]。U-NET网络训练 时间短,训练参数较少,但深度略有不足。SegNet 网 络层次较深,训练时间过长,但对训练样本需求较多 由于医学样本数量有限,会对模型训练产生一定影响。 本文我们将采用一种改进后的 U-NET 网络结构来对超 声图像中的神经区域进行分割,改进后的 U-NET 网络 结构加入的残差网络(residual network)[3],并对每一层 结果进行规范化(batch normalizat...
متن کامل3D U-Net: Learning Dense Volumetric Segmentation from Sparse Annotation
This paper introduces a network for volumetric segmentation that learns from sparsely annotated volumetric images. We outline two attractive use cases of this method: (1) In a semi-automated setup, the user annotates some slices in the volume to be segmented. The network learns from these sparse annotations and provides a dense 3D segmentation. (2) In a fully-automated setup, we assume that a r...
متن کاملstudy of hash functions based on chaotic maps
توابع درهم نقش بسیار مهم در سیستم های رمزنگاری و پروتکل های امنیتی دارند. در سیستم های رمزنگاری برای دستیابی به احراز درستی و اصالت داده دو روش مورد استفاده قرار می گیرند که عبارتند از توابع رمزنگاری کلیددار و توابع درهم ساز. توابع درهم ساز، توابعی هستند که هر متن با طول دلخواه را به دنباله ای با طول ثابت تبدیل می کنند. از جمله پرکاربردترین و معروف ترین توابع درهم می توان توابع درهم ساز md4, md...
ذخیره در منابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ژورنال
عنوان ژورنال: IEEE Access
سال: 2019
ISSN: 2169-3536
DOI: 10.1109/access.2019.2938809