一种基于改进LDSNet的高精度人眼区域语义分割方法

本发明提出一种基于改进LDSNet的高精度人眼区域语义分割方法，属于计算机视觉领域。LDSNet结合了局部感受野和多尺度特征，弥补了传统方法的不足，特别是在识别眼部关键区域(如瞳孔、虹膜、眼睑)方面。该方法创新性地引入自适应多尺度融合模块动态调整多尺度权重强化了细节捕捉，结合CAM模块自动学习通道权重，优先关注关键特征，并设计边缘加权Dice损失函数提升边缘分割精度以及局部细节学习模块增强复杂背景下的细节识别，优化局部特征提取。该方法在复杂光照和遮挡条件下，分割精度和鲁棒性显著优于现有模型。本发明为眼动追踪等领域提供了更为精准和可靠的技术支持。