آمار
| تعداد نشریات | 44 |
| تعداد شماره‌ها | 1,339 |
| تعداد مقالات | 16,461 |
| تعداد مشاهده مقاله | 53,439,214 |
| تعداد دریافت فایل اصل مقاله | 16,002,409 |
تخمین عمق نگاه ناظر با استفاده از ردیابی سه‌بعدی چشم با روش یادگیری عمیق | ||
| پردازش سیگنال پیشرفته | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 08 شهریور 1403 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22034/jasp.2024.60054.1242 | ||
| نویسندگان | ||
| داریوش فرجی مزرعه خلف1؛ میرهادی سیدعربی* 1؛ رضا افروزیان2 | ||
| 1دانشگاه تبریز | ||
| 2عضو هیات علمی دانشگاه تبریز | ||
| چکیده | ||
| در سال‌های اخیر با رشد فناوری‌های هوش مصنوعی، تحقیقات در زمینه برقراری ارتباط تعاملی بین انسان و کامپیوتر رشد فزاینده‌ای داشته است. روش‌های متعددی برای تعامل بین مغز انسان و ماشین ارائه شده‌اند. ردیابی خیرگی چشم با استفاده از بینایی ماشین و پردازش تصویر به علت مزایایی همچون غیرتهاجمی بودن و عدم استفاده از سیگنال‌های مضر رادیویی و مغناطیسی، ارزان بودن و قابل‌حمل بودن موردتوجه محققین قرار گرفته است. در این مقاله یک شیوه نوین برای تخمین عمق نگاه ناظر با استفاده از ردیابی سه‌بعدی چشم با روش‌های رگرسیون خطی و یادگیری عمیق ارائه شده است. برای دستیابی به اهداف تحقیق برای اولین‌بار یک مجموعه‌داده تهیه شد و در آن تعداد زیادی تصویر از چشم افراد با شرایط سنی و جنسی متنوع در حال نگاه به یک هدف متحرک در فاصله‌ها و شرایط روشنایی متفاوت ثبت شد. جهت افزایش دقت استخراج ویژگی‌های چشم از یک شبکه عصبی مبتنی بر یادگیری عمیق استفاده شد. با استفاده از ایده ره‌گیری تغییرات فیزیولوژیکی چشم ازجمله محل قرارگیری و اندازه مردمک و فاصله مردمک دو چشم و تغییر محل نقاط انعکاسی قرنیه در اثر تغییرات میزان روشنایی محیط و فاصله هدف از چشم و همچنین پدیده‌هایی مانند اختلاف‌منظر و تطابق که مغز برای تشخیص عمق از آن بهره می‌گیرد، برای تشخیص عمق نگاه ناظر استفاده شد. نتایج نشان دادند که با روش رگرسیون خطی با دقت بالای 90 درصد و با روش یادگیری عمیق با دقت نزدیک به 93 درصد، عمق نگاه ناظر تخمین زده می‌شود. | ||
| کلیدواژه‌ها | ||
| ردیابی خیرگی چشم؛ تشخیص عمق نگاه؛ یادگیری عمیق؛ شبکه عصبی کانولوشنی | ||
|
آمار تعداد مشاهده مقاله: 268 |
||