适用于便携式设备的深度神经网络眼动跟踪

来源 :计算机与现代化 | 被引量 : 0次 | 上传用户:jigmei123
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对目前眼动跟踪方法难以适用于智能手机、平板电脑等便携式设备的问题,提出一种基于大规模数据集的眼动跟踪方法。首先,通过众包法构建大规模数据集;然后,使用该数据集训练一个深度神经网络,用于端对端的预测。最后,训练一个更小更快的网络进行优化,使所提方法在移动设备上的运行具有一定的实时性。实验结果表明,与其他类似方法相比,所提方法具有更好的跟踪鲁棒性以及数据泛化能力。在移动设备中的运行速度可达10~15帧/s。在未校正的情况下,该方法在手机和平板电脑中的预测误差分别是1.71 cm和2.53 cm。校正后
其他文献
动态纹理是计算机视觉中的动态模型之一,在空间范围内具有统计平稳性,在时间维度上具有随机重复性。动态纹理合成的目标是生成与给定纹理在视觉上相似的图像。在进行动态纹理合成时,回归预测误差积累是导致纹理质量下降的一个关键问题。为此,本文提出一种基于自纠正机制的动态纹理合成模型。利用清晰度、结构相似性、光流等指标来确定优化数据范围,并找到优化极值点。通过自纠正机制,将原始数据替换为优化数据,并将优化数据用