普宁云落镇自动定位点眼机

编辑：穿孔机厂家，来源：爱奇艺，浏览量：96，时间：2022-03-01 12:05

自动定位点眼机，，

（图片来源于：Christine Daniloff/麻省理工学院）

引言

过去40年以来，眼球追踪技术（可以判断出什么样的视觉场景是吸引眼球的），广泛应用于心理学实验和市场调查。但是，阻碍这项技术，成为消费者应用的原因，是需要昂贵的硬件。麻省理工学院计算机科学和人工智能研究室，和乔治亚大学的研究人员，希望改变这个情况。他们使用一个软件，让任何的智能手机都能变成眼球追踪设备。他们在一项论文中描述了这个新系统。

简介

为了让现有的眼球追踪技术的应用更普遍，系统使用新的计算机接口，来帮助检查早期神经系统疾病或精神疾病的迹象。

“这个领域在鸡和蛋的循环中，一直有点停滞，”Aditya Khosla，麻省理工大学的一位电气工程与计算机科学专业的毕业生，这项论文的第一合著者说，“因为很少人具有外部设备，所以很难想到给他们开发应用。因为没有应用，就很难让人们有动机去买设备。我们相信我们可以打破这个循环，尝试构建一个基于单移动设备的眼球追踪系统，只需要使用前置摄像头。”

Khosla和他的同事，第一合著者乔治亚大学的Kyle Krafka，麻省理工大学的电子工程和计算机科学系的教授Wojciech Matusik 和 Antonio Torralba，以及其他三个人，构建了这套眼球追踪系统。他们使用机器学习技术，计算机使用这个技术来学习处理任务，在一大堆用于训练的例子中寻找模型。

研究的价值

Khosla和他同时之前研究的优势在于，他们必须处理的数据量。目前，Khoslas或，他们的训练集合包括1500个移动设备用户的注视模式例子。之前，训练用于实验的研究系统的最大数据集只有50个用户。

为了组成数据集，“大多数其他研究组倾向于把人们召集进实验室，”Khosla说，“这很难到达那个规模。召集50个人本身来说就是一个十分沉闷的过程。但是，我们相信我们可以通过众包来达成目的。 ”

在论文中，研究人员报告了第一轮的实验，使用了从800个移动设备的用户身上获取的训练数据。在这个基础上，他们能够将系统的误差幅度控制在1.5厘米，是之前实验的两倍提高。

自从论文发表起，他们已经获取了另外700人的数据，并且附加的训练数据将误差幅度减少了差不多1厘米。

为了了解更大的训练集合石如何提高性能的，研究人员使用不同大小的数据子集一次一次的训练他们的系统。这些实验表明，10000个训练样例差不多，把误差幅度降低至半厘米。

为了搜集他们的训练样例 ，研究人员在苹果的iOS操作系统上，开发了一个简单的设备应用程序。应用程序在设备屏幕上的某个地方闪烁一个小点，吸引用户的注意力，然后使用一个“R”或者“L”代替，指示用户敲击屏幕的左侧或者右侧正确。正确的敲击，让用户能够把他或者她的注意力转移到目标位置。在这个过程中，设备的摄像头持续捕捉用户的脸部。

研究人员通过亚马逊的土耳其机器人众包网址雇佣应用的用户，给他们每人支付了一点点费用，来让他们进行敲击。这个数据集包括，平均每个用户1600张图片。

缩小神经网络

研究人员的机器学习系统是一个神经网络。它是一个软件抽象，可以被当成非常简单的处理器，组成的离散层巨型网络。训练修改了每个单独的处理器的设置，所以数据项目，例如，一个张移动设备用户的静止图片，被送到底层，可以被随后的层处理。顶层的输出，将是一个计算问题的解决方案，例如，对于用户目光方向的评估。

神经网络很巨大，然而，麻省理工学院和乔治亚大学的研究人员，使用了一种叫做“黑暗知识 ”的技术，来缩小他们。黑暗知识，包括整个训练网络的输出，一般接近于解决方案，并且使用那些和真实方案一样的，来训练更小的神经网络。技术将研究人员的网络减少了差不多80%，让他们能够在智能手机上更加的有效。通过减少的网络，眼球追踪系统可以每秒差多操作15帧数据，所以足够快，能记录短暂的一瞥。

未来展望

“在许多案例中，如果你要在市场上，做计算机版本的用户调查。在开发的新用户接口中，眼球追踪是人们很有兴趣的，但是没有被真正实现的。”康乃尔大学计算机科学专业的助理教授Noah Snavely说。“你需要一个昂贵的设备，或者必须被精确校准，才能工作。所以要在实现在任何人的设备上，都可以工作的方案，看上去十分引人注目。从我看到的时候起，他们得到的精度，似乎在你感兴趣的东西范围之内。”

“一部分的成就是他们已经创建了，这种搜集数据和数据集自身的办法。”Snavely补充道，“他们做了所有的外勤工作，可以让其他人对这个问题感兴趣。通过社区开展这项工作，将提高的更快。”

更多精彩内容，请关注微信公众号： IntelligentThings

需要沟通交流，请联系作者个人微信：JohnZh1984

热搜弹幕：自动定位点眼机，，