面向深度神经网络与扫描路径分类的可训练特征提取模块
计算机视觉与模式识别
2024-03-20 v1 机器学习
摘要
扫描路径分类是眼动追踪研究中的一个领域，在医学、制造业以及面向不同领域学生的培训系统中均有潜在应用。本文提出了一种用于深度神经网络的可训练特征提取模块。该模块旨在将扫描路径转换为可直接用于深度神经网络架构的特征向量。基于深度神经网络的反向传播误差，该特征提取模块自适应调整其参数以提升分类性能。因此，我们的特征提取模块可与深度神经网络联合训练。设计该特征提取模块的动机源于通常计算扫描路径分布的经典直方图方法。我们在三个公开数据集上评估了该模块，并与当前最优方法进行了比较。
引用
@article{arxiv.2403.12493,
title = {A Trainable Feature Extractor Module for Deep Neural Networks and Scanpath Classification},
author = {Wolfgang Fuhl},
journal= {arXiv preprint arXiv:2403.12493},
year = {2024}
}