表6不同网络模型分割精度比较 Table 6 Accuracy comparison of different segmentation model Model mIOU DeepLabV3+ 0.8853 Improved YOLACT 0.9544 稿 (a)(b) (c)(d 图9三种方法的分割效果.(a)原图：(b)改进的YOLACT,(c)DeepLabV3+;(d)传统轮廓估计 Fig.Segmentation effect of three methods:(a)orginal image:(b)improved YOLACT,(c)DeepLabV3+(d)traditional contour estimation 文献2应用两阶段卷积神经网络提取了6个人耳关键点，如图10所示。这种关键点检测的方法 目前检测精度有待提高， 检测点数比较少：对于提取关键曲线的需求还需要进一步应用曲线拟合。 由于不同个体之间人耳 键曲线的差异性，拟合结果不一定和真实曲线完全贴合，所以在提取关键 曲线方面本文方法更具 录用 CNN CNN CNN CNN CNN CNN Level 1 Level 2 图10两阶段卷积神经网络提取6个人耳关键点 Fig.10 A two-stage convolution neural network for extracting six key points of ear表 6 不同网络模型分割精度比较 Table 6 Accuracy comparison of different segmentation model Model mIOU DeepLabV3+ 0.8853 Improved YOLACT 0.9544 (a) (b) (c) (d) 图 9 三种方法的分割效果. (a) 原图; (b) 改进的 YOLACT; (c) DeepLabV3+; (d) 传统轮廓估计 Fig.9 Segmentation effect of three methods: (a) original image; (b) improved YOLACT; (c) DeepLabV3+; (d) traditional contour estimation 文献[28]应用两阶段卷积神经网络提取了 6 个人耳关键点，如图 10 所示。这种关键点检测的方法 目前检测精度有待提高，且检测点数比较少，对于提取关键曲线的需求还需要进一步应用曲线拟合 。 由于不同个体之间人耳关键曲线的差异性，拟合结果不一定和真实曲线完全贴合，所以在提取关键 曲线方面本文方法更具有优势。 图 10 两阶段卷积神经网络提取 6 个人耳关键点 Fig.10 A two-stage convolution neural network for extracting six key points of ear 录用稿件，非最终出版稿