目标检测YOLO实战应用案例100讲-基于深度学习的人眼视线检测

目录

知识储备

 视觉深度的测定

基本知识

视觉检测中的关键技术

单眼感知景深

内部摄像机距离的效果

Face ID 与3D传感技术 

什么是Face ID?

3D传感技术原理

主动测距法

被动测距法

基于深度学习的人眼视线检测代码

数据集读取与预处理

卷积神经网络模型构建

模型训练与验证

前言

国内外研究现状

2 视线检测网络设计

2.1网络选择

2.2网络结构设计

2.2.1全连接网络结构

2.2.2卷积网络结构

2.3评价指标

2.3.1人眼区域检测评价指标

2.3.2眼部关键点检测评价指标

2.3.3视线检测结果评价指标

​编辑2.3.4网络性能评价指标

3基于YOLO V5的人眼区域检测网络设计

3.1网络选择

---

本文篇幅较长，分为上下两篇，下篇详见基于深度学习的人眼视线检测（续）

 

知识储备

 视觉深度的测定

  1、大脑使用两眼视角之间的不同来感知深度。

2、不要忽略单眼的感知深度，像纹理和灯光。

3、在Rift中，用户最舒适的感知深度是0.75到3.5米之间（1米=1unity单位）。

4、通过OVR配置工具来设置虚拟摄像机之间的距离࿰