基于浅层残差网络的视线估计算法

吉林大学学报(信息科学版)

基于浅层残差网络的视线估计算法

刘富，刘星，康冰

吉林大学通信工程学院，长春 130022

收稿日期:2018-02-05 出版日期:2018-05-24 发布日期:2018-07-25
作者简介:刘富(1968— ) ，男，长春人，吉林大学教授，博士生导师，主要从事计算机视觉与模式识别研究，(Tel) 86-13610708679 (E-mail) liufu@ jlu． edu． cn。
基金资助:
吉林省省级产业创新专项基金资助项目( 2017C032-4)

Gaze Estimation Algorithm Based on Shallow Ｒesidual Network

LIU Fu，LIU Xing，KANG Bing

College of Communication Engineering，Jilin University，Changchun 130022，China

Received:2018-02-05 Online:2018-05-24 Published:2018-07-25

摘要/Abstract

摘要： 针对目前的视线估计算法准确度较低的问题，提出一种基于浅层残差网络的算法。利用残差网络结构特点，对图片在不同层次提取到的特征进行融合计算。实验表明，使用基于浅层残差网络结构的算法与使用LeNet-5 结构算法相比，准确率提升了近 8． 5% ，视线估计算法准确度得到了有效的提升。

关键词: 卷积神经网络, 眼部图像, 深度学习, 视线估计, 残差网络

Abstract: Because the accuracy does not met the practical requirements， a shallow residual network is proposed． With the characteristics of the network architechture，the network can combine features from different levels and calculate． The experiment shows that the shallow residual network has effectively improved the accuracy of the algorithms．

Key words: gaze estimation, convolutional neural network, deep learning, residual network, eye image

中图分类号:

TP391． 4

刘富，刘星，康冰. 基于浅层残差网络的视线估计算法[J]. 吉林大学学报(信息科学版), 2018, 36(3): 333-338.

LIU Fu，LIU Xing，KANG Bing. Gaze Estimation Algorithm Based on Shallow Ｒesidual Network[J]. Journal of Jilin University(Information Science Ed, 2018, 36(3): 333-338.

[1]	任伟建，宋月，陈建玲，任璐，孙勤江. 基于改进的卷积神经网络的钢号识别[J]. 吉林大学学报(信息科学版), 2018, 36(3): 325-332.
[2]	邵晓光,董宏丽,代丽艳 . 微地震监测技术综述[J]. 吉林大学学报(信息科学版), 2018, 36(1): 55-61.
[3]	安杏杏,董宏丽,张勇,邵晓光,代丽艳 . 输油管道泄漏检测技术综述[J]. 吉林大学学报(信息科学版), 2017, 35(4): 424-429.