使用卷积神经网络的端到端眼动检测
计算机视觉与模式识别
2016-09-09 v1
摘要
现有的自动眼动检测（即在连续注视数据流中检测不同类型眼动的任务）的常用计算方法存在局限性：它们要么依赖于手工设计的信号特征进行阈值判断，要么需要针对每种眼动单独设计检测器，要么需要预先分割的数据。我们提出了一种新颖的眼动检测方法，该方法仅需端到端地学习单个检测器，即直接从连续注视数据流中学习并同时检测不同眼动，无需任何手工特征设计或数据分割。我们的方法基于卷积神经网络（CNN），该方法近期在计算机视觉、信号处理和机器学习等多种任务中展现出了卓越的性能。我们进一步引入了一个新颖的多被试数据集，其中包含脚本化与自由观看序列，并具有扫视、注视和平滑追踪的真值标注。我们展示了基于 CNN 的方法在该极具挑战性的数据集上大幅优于 SOTA 基线，从而突显了该方法在整体性、鲁棒且精确的眼动协议分析方面的巨大潜力。
引用
@article{arxiv.1609.02452,
title = {End-to-End Eye Movement Detection Using Convolutional Neural Networks},
author = {Sabrina Hoppe and Andreas Bulling},
journal= {arXiv preprint arXiv:1609.02452},
year = {2016}
}