面向视线预测的双通道残差网络

摘要

cqvip:针对卷积神经网络处理视线预测数据集时,在高迭代次数下产生的过拟合和精准度不足问题,提出面向视线预测的双通道残差网络。首先,将数据集中人脸的左眼与右眼分别用残差网络进行训练;然后,将双通道残差网络计算得到的局部特征通过权值矩阵计算一起作为输入连接到下一级全连接层;最后,经过2个全连接层对特征向量进行分类提取,得到更理想的输出结果。在数据集GazeCapture和MPIIGaze上的训练结果表明:采用双通道网络结构比单通道网络结构进行视线预测的误差小;样本容量大的数据集可有效提高预测精准度;样本筛选后双通道残差网络可在更短的周期内达到稳定拟合状态,并提高预测准确度,具有更好的可靠性和鲁棒性。