首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于深度学习的眼球追踪技术研究

摘要第5-6页
abstract第6-7页
第一章 绪论第11-18页
    1.1 研究工作的背景与意义第11-12页
    1.2 眼球追踪国内外研究历史与现状第12-16页
        1.2.1 基于单帧图像的眼球追踪第12-14页
        1.2.2 基于视频帧的眼球追踪第14-16页
    1.3 本文的主要研究内容第16-17页
    1.4 本论文的结构安排第17-18页
第二章 相关技术第18-25页
    2.1 深度学习第18-19页
    2.2 卷积神经络第19-22页
        2.2.1 LeNet模型第20-21页
        2.2.2 AlexNet模型第21-22页
    2.3 递归神经网络第22页
    2.4 眼球追踪第22-23页
    2.5 物理引擎第23-24页
    2.6 本章小结第24-25页
第三章 基于单帧图像的眼球检测算法研究第25-52页
    3.1 基本思想第25页
    3.2 YOLO相关算法分析第25-34页
        3.2.1 FastRegionCNN算法第25-27页
        3.2.2 FasterRegionCNN算法第27-30页
        3.2.3 YOLO算法第30-33页
        3.2.4 实验结论第33-34页
    3.3 基于YOLO的卷积神经网络分析第34-36页
    3.4 YOLO改进算法第36-45页
        3.4.1 YOLO改进算法的特征提取与融合第38-40页
        3.4.2 YOLO改进算法的训练第40-43页
        3.4.3 YOLO改进算法的损失函数研究第43-45页
    3.5 实验设置第45-46页
    3.6 实验结果对比第46-51页
    3.7 本章小结第51-52页
第四章 基于视频帧的眼球追踪研究第52-68页
    4.1 引言第52页
    4.2 基于深度学习的视频帧眼球追踪方法分析第52-58页
        4.2.1 通过辅助图片数据预训练的方法第52-55页
        4.2.2 通过分类数据集预训练的方法第55-57页
        4.2.3 通过追踪序列预训练方法第57-58页
    4.3 基于YOLO递归神经网络的视频帧眼球追踪实现第58-61页
        4.3.1 基于递归神经网络的眼球追踪研究第58-59页
        4.3.2 改进思想第59-61页
    4.4 实验设置第61-62页
    4.5 实验结果第62-67页
    4.6 本章小结第67-68页
第五章 基于眼球追踪的径向模糊场景渲染研究第68-80页
    5.1 引言第68页
    5.2 基于眼球追踪的模糊处理shader分析第68-73页
        5.2.1 Blur原理分析第68-69页
        5.2.2 Blur渲染流程分析第69-70页
        5.2.3 模糊处理后的效果图第70-71页
        5.2.4 Shader屏幕高斯模糊处理分析第71-73页
    5.3 基于眼球追踪的径向模糊研究第73-79页
        5.3.1 Shader研究第73-75页
        5.3.2 径向模糊的优化研究第75页
        5.3.3 径向模糊的属性研究第75-76页
        5.3.4 眼球追踪与径向模糊渲染的结合第76-78页
        5.3.5 Unity3d下眼球追踪的径向模糊场景渲染部署第78页
        5.3.6 基于眼球追踪的径向模糊场景渲染效果图第78-79页
    5.4 本章小结第79-80页
第六章 基于眼球追踪的径向模糊场景渲染应用第80-88页
    6.1 应用意义第80页
    6.2 应用环境第80-81页
        6.2.1 硬件与软件应用环境第80页
        6.2.2 基于Unity3d的深度学习环境部署第80-81页
    6.3 Unity3d下眼球追踪的径向模糊场景渲染应用第81-83页
        6.3.1 基于Unity3d的眼球追踪径向模糊功能架构第81-82页
        6.3.2 基于Unity3d的眼球追踪径向模糊步骤第82-83页
    6.4 测试结果第83-87页
        6.4.1 基于Unity3d的单帧图像眼球追踪测试第83-85页
        6.4.2 基于Unity3d的视频帧眼球追踪径向模糊测试第85-87页
    6.5 本章小结第87-88页
第七章 全文总结与展望第88-90页
    7.1 全文总结第88-89页
    7.2 后续工作展望第89-90页
致谢第90-91页
参考文献第91-94页
攻读硕士学位期间取得的成果第94页

论文共94页,点击 下载论文
上一篇:基于深度学习的轨迹数据恢复研究
下一篇:基于深度增强学习的路径规划算法研究