目录

3.2人眼区域检测数据集

3.2.1相关数据集现状

3.2.2数据集筛选与建立

3.2.3数据集标注

3.3网络结构设计

3.3.1特征提取网络改进

3.3.2特征融合网络改进

3.3.3损失函数改进

3.4 网络训练

3.4.1数据集输入映射

3.4.2模型训练

3.5消融实验

4 基于PFLD的眼部关键点检测网络设计

4.1网络选择

4.2眼部关键点数据集

4.2.1数据集筛选与建立

4.2.2数据集标注

4.3网络结构设计

4.3.1主网络结构改进

4.3.2辅助网络结构改进

4.3.3损失函数改进

4.4 网络训练

4.4.1数据集输入映射

4.4.2模型训练

4.5消融实验

5 双阶段视线检测网络搭建与测试

5.1视线分类算法

5.2网络搭建

5.2.1通信接口定义

5.2.2级联网络搭建

5.3实验验证

知识拓展

视线检测过程中对视线估计的方法最新的方法有哪些？

基于特征的解析性视线估计：

过拟合问题

表征视线的3D球体

高维映射特征到三维空间的分析

具体实现

测地投影模块

Sphere-Oriented Training模块

深度学习视觉检测-视觉深度的测定

一、深度设置 

二、深度置信度滤波

三、使用深度感知API

---

本文篇幅较长，分为上下两篇，上篇详见基于深度学习的人眼视线检测

3.2人眼区域检测数据集

3.2.1相关数据集现状

目前，国内进行有关视线检测的研究较少，相关数据集大多来自国外。现阶段有关视
线检测的主流数据集有MPIIGaze[64]、GazeCapture[65]、Eyediap[66]、UnityEyes[67]、 CA