基于深度选择性神经网络的视线检测
| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题研究背景和意义 | 第11-13页 |
| 1.2 视线检测研究现状及技术简介 | 第13-15页 |
| 1.2.1 基于眼动追踪的视线检测 | 第13-15页 |
| 1.2.2 与显著性研究相结合的视线检测 | 第15页 |
| 1.3 主要工作及论文章节安排 | 第15-17页 |
| 第2章 理论基础和相关工作 | 第17-33页 |
| 2.1 深度神经网络概述 | 第17-25页 |
| 2.1.1 前向传播算法 | 第18-19页 |
| 2.1.2 反向传播算法 | 第19-22页 |
| 2.1.3 卷积神经网络 | 第22-25页 |
| 2.1.4 迁移学习 | 第25页 |
| 2.2 ResNet简介 | 第25-29页 |
| 2.2.1 ResNet的提出 | 第26-27页 |
| 2.2.2 ResNet基本原理 | 第27页 |
| 2.2.3 ResNet-50 | 第27-29页 |
| 2.3 基于深度学习的视线检测——GazeNet | 第29-32页 |
| 2.3.1 三输入网络结构 | 第29-31页 |
| 2.3.2 ShiftedGrids输出方法 | 第31-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第3章 视线检测数据集的建立 | 第33-38页 |
| 3.1 视线检测领域数据集现状 | 第33-34页 |
| 3.2 数据收集 | 第34-36页 |
| 3.3 数据标注 | 第36-37页 |
| 3.4 数据集展示 | 第37-38页 |
| 第4章 视线检测网络结构设计 | 第38-48页 |
| 4.1 基本定义 | 第38-39页 |
| 4.1.1 任务定义 | 第38页 |
| 4.1.2 误差定义 | 第38-39页 |
| 4.2 多输入任务实验探究 | 第39-41页 |
| 4.2.1 屏蔽部分输入的实验 | 第39-40页 |
| 4.2.2 针对特定人眼位置训练网络的实验 | 第40-41页 |
| 4.3 基本方案的提出和改进 | 第41-43页 |
| 4.3.1 基本方案 | 第42页 |
| 4.3.2 改进方案 | 第42-43页 |
| 4.4 选择性全连接层理论推导及原理 | 第43-45页 |
| 4.4.1 前置推导 | 第43-44页 |
| 4.4.2 选择性全连接层原理 | 第44-45页 |
| 4.5 最终网络结构 | 第45-46页 |
| 4.6 本章小结 | 第46-48页 |
| 第5章 网络实现及测试结果 | 第48-62页 |
| 5.1 实验环境 | 第48-49页 |
| 5.1.1 软件环境 | 第48-49页 |
| 5.1.2 硬件环境 | 第49页 |
| 5.2 网络结构超参数设置相关实验 | 第49-53页 |
| 5.2.1 Shifted Grids性能探究 | 第50-51页 |
| 5.2.2 选择性全连接层性能探究 | 第51-52页 |
| 5.2.3 网络结构超参数设置 | 第52-53页 |
| 5.3 网络训练方法 | 第53-55页 |
| 5.3.1 数据均衡 | 第53-55页 |
| 5.3.2 训练超参数设置 | 第55页 |
| 5.4 最终测试结果对比与效果展示 | 第55-61页 |
| 5.4.1 测试结果对比 | 第55-58页 |
| 5.4.2 网络检测效果展示 | 第58-61页 |
| 5.5 本章小结 | 第61-62页 |
| 总结与展望 | 第62-64页 |
| 本文工作总结 | 第62页 |
| 未来工作展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间发表的论文及参与的科研项目 | 第69页 |
