公开(公告)号：CN113705349A

公开(公告)日：2021-11-26

申请号：CN202110848705.9

申请日：2021-07-26

Applicant: 电子科技大学

Inventor： 杨峰 ,  宋永端 ,  李瑞 ,  陈沁 ,  王士淳 ,  夏鸿宇 ,  何彩诗 ,  蒲仕豪

IPC: G06K9/00 ,  G06K9/32 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明实施例公开了一种基于视线估计神经网络的注意力量化方法及系统，提高了视线估计神经网络的稳定性和训练效率；将少样本学习方法应用在视线估计神经网络的训练上，提高了视线估计神经网络的泛化性能；提出一种视线角度值小区间的非线性划分方法，减小了视线估计神经网络的估计误差；提出加入睁闭眼检测以避免闭眼状态对视线估计造成误差；提出一种视线落点解算方法，具有较高的环境适应性，能快速用于实际部署；提出一种基于视线落点的注意力量化方法，对视线落点区域加权使得注意力量化结果更为准确；最后，结合上述方法设计出基于视线的注意力分析系统，并引入结合群体注意力统计信息的注意力修正模块，进一步提高注意力分析系统的准确性和可靠性。

公开(公告)号：CN113705349B

公开(公告)日：2023-06-06

申请号：CN202110848705.9

申请日：2021-07-26

Applicant: 电子科技大学

Inventor： 杨峰 ,  宋永端 ,  李瑞 ,  陈沁 ,  王士淳 ,  夏鸿宇 ,  何彩诗 ,  蒲仕豪

IPC: G06V40/18 ,  G06V40/19 ,  G06V10/25 ,  G06V10/24 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0495 ,  G06N3/08

Abstract: 本发明实施例公开了一种基于视线估计神经网络的注意力量化方法及系统，提高了视线估计神经网络的稳定性和训练效率；将少样本学习方法应用在视线估计神经网络的训练上，提高了视线估计神经网络的泛化性能；提出一种视线角度值小区间的非线性划分方法，减小了视线估计神经网络的估计误差；提出加入睁闭眼检测以避免闭眼状态对视线估计造成误差；提出一种视线落点解算方法，具有较高的环境适应性，能快速用于实际部署；提出一种基于视线落点的注意力量化方法，对视线落点区域加权使得注意力量化结果更为准确；最后，结合上述方法设计出基于视线的注意力分析系统，并引入结合群体注意力统计信息的注意力修正模块，进一步提高注意力分析系统的准确性和可靠性。