基于合成数据训练的深度学习在眼图中角膜反射精确定位
计算机视觉与模式识别
2024-01-02 v3 人工智能
摘要
我们提出了一种深度学习方法来精确地在眼图像中定位单个角膜反射（CR）的中心。与以往方法不同，我们使用了一个仅使用模拟数据训练的卷积神经网络（CNN）。仅使用模拟数据的好处是完全规避了在真实眼图像上进行监督训练所需的耗时人工标注过程。为了系统评估我们方法的精度，我们首先在具有放置于不同背景并嵌入不同噪声水平的模拟CR的图像上进行了测试。其次，我们在从真实眼睛捕获的高质量视频上测试了该方法。在真实眼图像上，我们的方法在空间精度方面比最先进的算法方法减少了35%的误差，并在模拟图像上的空间精度与最先进水平相当。我们得出结论，我们的方法提供了一种精确的CR中心定位方法，并解决了数据可用性问题，这是用于视线估计的深度学习模型开发中的重要常见障碍之一。由于优越的CR中心定位性能和易用性，我们的方法有望提高基于CR的眼动追踪仪的准确度和精度。
引用
@article{arxiv.2304.05673,
title = {Precise localization of corneal reflections in eye images using deep learning trained on synthetic data},
author = {Sean Anthony Byrne and Marcus Nyström and Virmarie Maquiling and Enkelejda Kasneci and Diederick C. Niehorster},
journal= {arXiv preprint arXiv:2304.05673},
year = {2024}
}
备注
Published in Behavioural Research Methods