对眼检测中的深度学习进行了回顾
Jianbin Xiong1, Weikun Dai1, Qi Wang1
1School of Automation, Guangdong Polytechnic Normal University, Guangzhou, Guangdong, China.
PeerJ. Computer science
|February 3, 2025
概括
深度学习显著提高了计算机视觉应用程序的眼检测准确度. 数据失衡和环境干扰等挑战仍然存在,但克服它们将提高算法性能.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 眼的检测对于人机交互,疲劳监测和情绪识别至关重要.
- 与眼检测的传统方法相比,深度学习方法提供了优越的特征学习和准确性.
研究的目的:
- 系统地审查和比较基于深度学习的眼检测方法.
- 为研究人员提供对当前方法,数据集和评估指标的清晰理解.
主要方法:
- 对应用到眼检测的经典深度学习模型的分析.
- 审查常用的数据集和绩效评估指标.
- 讨论优势,弱点,挑战和未来的方向.
主要成果:
- 深度学习方法在眼检测方面表现强.
- 主要挑战包括不平衡的训练数据,环境干扰,实时处理和设备限制.
结论:
- 基于深度学习的闪检测非常有效,但面临实际实施的障碍.
- 解决已识别的挑战将大大改善这些算法的应用前景.
