PupilNet v2.0：基于 CPU 的实时鲁棒瞳孔检测卷积神经网络
计算机视觉与模式识别
2017-11-02 v1
摘要
实时、准确且鲁棒的瞳孔检测是基于视频的普适眼动追踪的基本前提。然而，由于快速的照度变化、瞳孔遮挡、非中心及离轴眼记录以及生理性眼睛特征，真实场景中的自动瞳孔检测已被证明是一项错综复杂的挑战。在本文中，我们通过以下方式应对该挑战：I）在单核上实时运行的卷积神经网络（CNN），II）一种用于提升精度的新型计算密集型两阶段 CNN，以及 III）一种基于快速概率分布的细化方法作为 II 的实用替代方案。我们将所提方法与最先进的瞳孔检测算法进行评估对比，在所有数据集上平均将检测率提升高达约 9 个百分点（在单 CPU 核 7ms 上约 7%）。该评估在超过 135,000 张图像上执行：其中 94,000 张来自文献，41,000 张由本工作贡献的新手标且具有挑战性的图像（v1.0）。
引用
@article{arxiv.1711.00112,
title = {PupilNet v2.0: Convolutional Neural Networks for CPU based real time Robust Pupil Detection},
author = {Wolfgang Fuhl and Thiago Santini and Gjergji Kasneci and Wolfgang Rosenstiel and Enkelejda Kasneci},
journal= {arXiv preprint arXiv:1711.00112},
year = {2017}
}
备注
Pupil detection, pupil center estimation, image processing, CNN. arXiv admin note: substantial text overlap with arXiv:1601.04902