論文の概要: Pupil Center Detection Approaches: A comparative analysis
- arxiv url: http://arxiv.org/abs/2006.11147v1
- Date: Fri, 19 Jun 2020 14:19:07 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-19 05:08:57.939868
- Title: Pupil Center Detection Approaches: A comparative analysis
- Title（参考訳）: Pupil Center Detection Approachs: A comparison analysis
- Authors: Tal\'ia V\'azquez Romaguera, Liset V\'azquez Romaguera, David Castro
Pi\~nol, Carlos Rom\'an V\'azquez Seisdedos
- Abstract要約: 方法は円ホフ変換、楕円フィッティング、ダウグマンの積分微分作用素、放射対称性変換に基づいている。
精度と平均ロバスト性は94%以上であった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the last decade, the development of technologies and tools for eye
tracking has been a constantly growing area. Detecting the center of the pupil,
using image processing techniques, has been an essential step in this process.
A large number of techniques have been proposed for pupil center detection
using both traditional image processing and machine learning-based methods.
Despite the large number of methods proposed, no comparative work on their
performance was found, using the same images and performance metrics. In this
work, we aim at comparing four of the most frequently cited traditional methods
for pupil center detection in terms of accuracy, robustness, and computational
cost. These methods are based on the circular Hough transform, ellipse fitting,
Daugman's integro-differential operator and radial symmetry transform. The
comparative analysis was performed with 800 infrared images from the
CASIA-IrisV3 and CASIA-IrisV4 databases containing various types of
disturbances. The best performance was obtained by the method based on the
radial symmetry transform with an accuracy and average robustness higher than
94%. The shortest processing time, obtained with the ellipse fitting method,
was 0.06 s.
- Abstract（参考訳）: 過去10年間で、視線追跡のための技術やツールの開発は、常に成長している。
画像処理技術を用いて瞳孔の中心を検出することは,このプロセスにおいて重要なステップである。
従来の画像処理と機械学習に基づく手法の両方を用いて,瞳孔中心検出のための多数の手法が提案されている。
提案手法は多岐にわたるが,同一の画像と性能指標を用いた性能比較は行われなかった。
本研究では,最もよく引用される瞳孔中心検出手法を,精度,頑健性,計算コストの点で比較することを目的とする。
これらの方法は、円ホフ変換、楕円フィッティング、ダウグマンの積分微分作用素、放射対称性変換に基づいている。
CASIA-IrisV3およびCASIA-IrisV4データベースから800個の赤外線画像を用いて比較解析を行った。
最適性能は94%以上の精度と平均ロバスト性を有するラジアル対称性変換に基づく方法により得られた。
楕円嵌合法により得られた最短処理時間は0.06秒であった。
関連論文リスト
- Local Manifold Learning for No-Reference Image Quality Assessment [68.9577503732292]
No-Reference Image Quality Assessment(NR-IQA)のための、局所多様体学習とコントラスト学習を統合した革新的なフレームワークを提案する。
提案手法は,7つの標準データセットの最先端手法よりも優れた性能を示す。
論文 参考訳（メタデータ） (2024-06-27T15:14:23Z) - Advancements in Feature Extraction Recognition of Medical Imaging Systems Through Deep Learning Technique [0.36651088217486427]
高速な画像認識を実現するために,重みに基づく目的関数を提案する。
単純なアルゴリズムを用いたしきい値最適化手法を提案する。
異なる種類のオブジェクトは互いに独立しており、画像処理においてコンパクトであることがわかった。
論文 参考訳（メタデータ） (2024-05-23T04:46:51Z) - A Quantum Fuzzy-based Approach for Real-Time Detection of Solar Coronal Holes [17.268178776865184]
本研究では,CHs領域の高速検出のために,量子コンピューティングに基づく高速ファジィc平均法を開発した。
提案手法は、193 AA SDO/AIAフルディスクの太陽画像データセットに対して試験されており、既存の手法と比較されている。
論文 参考訳（メタデータ） (2024-03-27T08:38:56Z) - Two Approaches to Supervised Image Segmentation [55.616364225463066]
本研究は、深層学習とマルチセットニューロンのアプローチの比較実験を開発する。
ディープラーニングアプローチは、画像セグメンテーションの実行の可能性を確認した。
代替のマルチセット手法では、計算資源をほとんど必要とせずに精度を向上することができた。
論文 参考訳（メタデータ） (2023-07-19T16:42:52Z) - Precise localization of corneal reflections in eye images using deep
learning trained on synthetic data [9.150553995510217]
眼球画像中の1つの角膜反射(CR)の中心を正確に位置決めする深層学習法を提案する。
我々は、シミュレーションデータのみを用いてトレーニングされた畳み込みニューラルネットワーク(CNN)を使用している。
提案手法はCR中心位置決めの高精度な手法を提供し,データ可用性問題に対する解決策を提供する。
論文 参考訳（メタデータ） (2023-04-12T07:49:21Z) - Stain-invariant self supervised learning for histopathology image
analysis [74.98663573628743]
乳がんのヘマトキシリンおよびエオシン染色像におけるいくつかの分類課題に対する自己監督アルゴリズムを提案する。
本手法は,いくつかの乳がんデータセット上での最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2022-11-14T18:16:36Z) - Multi-Focus Image Fusion based on Gradient Transform [0.0]
上記の問題に対して頑健な新しい勾配情報に基づく多焦点画像融合法を提案する。
提案手法は,視覚的,客観的に17種類の新しい手法と従来手法を比較した。
提案手法は視覚的評価により有望であり, 客観的評価により6つの指標のうち5つのうち83.3%が第一に達成されている。
論文 参考訳（メタデータ） (2022-04-20T20:35:12Z) - With a Little Help from My Friends: Nearest-Neighbor Contrastive
Learning of Visual Representations [87.72779294717267]
対比損失で最も近い隣り合わせを正として使用すると、ImageNet分類でパフォーマンスが大幅に向上します。
提案手法が複雑なデータ拡張に依存しないことを実証的に証明する。
論文 参考訳（メタデータ） (2021-04-29T17:56:08Z) - Single-shot Hyperspectral-Depth Imaging with Learned Diffractive Optics [72.9038524082252]
単発単眼単眼ハイパースペクトル(HS-D)イメージング法を提案する。
本手法では, 回折光学素子 (DOE) を用いる。
DOE の学習を容易にするため,ベンチトップ HS-D イメージラーを構築することで,最初の HS-D データセットを提案する。
論文 参考訳（メタデータ） (2020-09-01T14:19:35Z) - A machine learning-based method for estimating the number and
orientations of major fascicles in diffusion-weighted magnetic resonance
imaging [7.032850705203263]
本稿では,ボクセル内のファシクルを正確に推定するマシンベース手法を提案する。
我々の手法はシミュレーションまたは実測値で訓練することができる。
論文 参考訳（メタデータ） (2020-06-19T13:07:45Z) - Spatio-Temporal Deep Learning Methods for Motion Estimation Using 4D OCT
Image Data [63.73263986460191]
特定の対象領域の局所化と運動の推定は、外科的介入の際のナビゲーションの一般的な問題である。
OCT画像ボリュームの時間的ストリームを用いることで、深層学習に基づく動き推定性能が向上するかどうかを検討する。
モデル入力に4D情報を使用すると、合理的な推論時間を維持しながら性能が向上する。
論文 参考訳（メタデータ） (2020-04-21T15:43:01Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。