این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
علوم و فناوری دریا، جلد ۲۸، شماره ۱۰۹، صفحات ۱-۱۱
عنوان فارسی ارائه یک روش برآورد کننده‌ی جهت نگاه مقاوم نسبت به تغییرات نور محیط با استفاده از شبکه‌ی کانولوشنی SE-ResNext
چکیده فارسی مقاله برآورد جهت نگاه در بسیاری از حوزه ها به مانند روانشناسی، جرم شناسی، تبلیغات و بازار، بازی های رایانه‌ای، واسط ماشین و انسان و فضای متا کاربرد دارد. هر یک از پژوهش‌های انجام شده در این زمینه به نحوی یک گام رو به جلو جهت تحقق این خواسته برداشته اند. در این تحقیق تلاش کردیم که هدف برآورد کردن جهت نگاه به صورت کاربردی را برای بسیاری از حوزه ها جامه عمل بپوشانیم. در این مقاله، هدف، برآورد جهت نگاه کاربر بدون نیاز به سخت افزارهای خاص و گران قیمت مانند حسگرهای مادون قرمز، دوربین های بسیار با کیفیت و پردازنده های سطح بالا بر روی صفحات کوچک نمایش مانند تلفن همراه، تبلت و لپتاپ است. به منظور طراحی برآورد کننده جهت نگاه، شبکه های کانولوشنی مختلف را در یک ساختمان برآورد کننده جهت نگاه بکار گرفتیم. برای آموزش شبکه ها از مجموعه داده GazeCapture استفاده شده است. مدل پیشنهادی، خطای 1.12 سانتی متر را بدون انجام کالیبراسیون بدست آورده است. در نهایت، با گروه بندی داده های موجود، مجموعه داده را به دو دسته‌ی داده با نور محیط روشن و نور محیط تاریک تقسیم کرده و عملکرد مدل را در هر دو شرایط نوری بررسی و روشی را جهت بهبود ارائه کردیم.
کلیدواژه‌های فارسی مقاله برآورد جهت نگاه، شبکه های کانولوشنی، مجموعه داده GazeCapture،
عنوان انگلیسی Gaze direction estimator design resistant to changes in ambient light using SE-ResNext CNN
چکیده انگلیسی مقاله Estimation of gaze direction is used in many fields such as psychology, criminology, advertising and market, computer games, human-machine interface and meta space. Each of the researches carried out in this field have somehow taken a step forward to fulfill this demand. We tried to fulfill the goal of estimating the gaze direction in a practical way for many domains. In this research, our goal is to estimate the user's gaze direction without the need for special and expensive hardware such as infrared sensors, high-quality cameras, and high-end processors on small display screens such as mobile phones, tablets, and laptops. In order to design the gaze direction estimator, different convolutional networks were used in a gaze direction estimator structure and then the results were obtained by training and comparison. Therefore, at this stage of the research, GazeCapture has been used as the dataset. The proposed model has an error of 1.12 cm without calibration. Finally, by grouping the data in the data set into two categories of data with bright ambient light and dark ambient light, the performance of the model in both lighting conditions has been checked and a method for improvement has been presented.
کلیدواژه‌های انگلیسی مقاله برآورد جهت نگاه, شبکه های کانولوشنی, مجموعه داده GazeCapture
نویسندگان مقاله حمیده فتاحی پور |
دانشجوی دکتری، دانشکده مهندسی برق، دانشگاه علم و صنعت ایران، تهران، ایران

جمشید فریبرز |
استادیار، دانشکده مهندسی برق، دانشگاه علم و صنعت ایران، تهران، ایران

سید محمدرضا موسوی میرکلائی |
استاد دانشکده مهندسی برق، دانشگاه علم و صنعت ایران، تهران، ایران

نشانی اینترنتی http://navy.iranjournals.ir/article_247686_572fd7a58eead760d0ccb183a7bf99bc.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات