깊은 다중 작업 학습 프레임워크를 사용한 홍채 분할 및 위치 결정

비협력 환경에서 홍채 분할 및 위치 결정은 조명 변화, 장거리, 움직이는 피사체, 제한된 사용자 협력 등으로 인해 어려움을 겪습니다. 이러한 조건에서 촬영된 홍채 이미지를 처리할 때 전통적인 방법들은 종종 성능이 저하되는 경향이 있습니다. 최근 연구에서는 딥러닝 방법이 홍채 분할 작업에서 뛰어난 성능을 달성할 수 있음을 보여주었습니다. 또한, 홍채가 동공과 흰자위 사이의 원환형 영역으로 정의되기 때문에 기하학적 제약 조건을 적용하여 홍채를 더욱 정확히 위치 결정하고 분할 결과를 개선하는 데 도움이 될 수 있습니다.본 논문에서는 동공, 홍채, 흰자위 간의 고유한 상관관계를 활용하여 통합 모델에서 홍채 분할 및 위치 결정의 성능을 향상시키는 딥 멀티태스크 학습 프레임워크인 IrisParseNet(아이리스파즈넷)을 제안합니다. 특히 IrisParseNet은 Fully Convolutional Encoder-Decoder Attention Network(전체 컨벌루션 인코더-디코더 주의 네트워크)를 먼저 적용하여 동공 중심, 홍채 분할 마스크, 그리고 홍채 내부/외부 경계를 동시에 추정합니다. 그 다음으로 효과적인 후처리 방법을 채택하여 홍채 내부/외부 원형 경계를 위치 결정합니다.제안된 방법을 학습하고 평가하기 위해 CASIA-Iris-Distance, UBIRIS.v2, MICHE-I라는 세 가지 도전적인 홍채 데이터셋에 대해 수동으로 라벨링하였습니다. 이 데이터셋들은 다양한 유형의 노이즈를 포함하고 있습니다. 이러한 새로 주석화된 데이터셋들에 대해 광범위한 실험이 수행되었으며, 결과는 본 방법이 다양한 벤치마크에서 최신 기술들을 능가함을 보여주었습니다. 모든 지면 진실 주석, 주석 코드 및 평가 프로토콜은 https://github.com/xiamenwcy/IrisParseNet에서 공개적으로 이용 가능합니다.