非结构场景中镜框尺寸测量的轻量化方法

作者：陈奕帆^*; 付东翔; 傅迎华; 陈杰

来源：控制工程, 2023, 30(11): 1971-1978.

DOI：10.14107/j.cnki.kzgc.20210522

• CenterNet
• 目标检测
• 注意力机制
• 深度学习

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。

• 单位
  上海理工大学