【技术实现步骤摘要】
使用一个或更多个神经网络的注视估计
[0001]至少一个实施例涉及用于执行和促进人工智能的处理资源。例如,至少一个实施例涉及用于根据本文描述的各种新颖技术来训练神经网络的处理器或计算系统。
技术介绍
[0002]注视跟踪和估计正用于日益增长的各种应用,这些应用日益需要更高水平的准确度。遗憾的是,可能能够实现这些准确度水平的现有注视系统是非常资源密集的或具有使它们不适用于许多这些预期的用途的延迟。
附图说明
[0003]将参照附图描述根据本公开的各种实施例,在附图中:
[0004]图1示出了根据至少一个实施例的用于管理虚拟现实内容的呈现的系统;
[0005]图2示出了根据至少一个实施例的注视估计系统;
[0006]图3A和图3B示出了根据至少一个实施例的眼睛数据;
[0007]图4示出了根据至少一个实施例的用于估计用户的注视的过程;
[0008]图5示出了根据至少一个实施例的用于确定粗略注视和精细注视的过程;
[0009]图6A示出了根据至少一个实施例的推理和/或训练逻辑;
[0010]图6B示出了根据至少一个实施例的推理和/或训练逻辑;
[0011]图7示出了根据至少一个实施例的示例数据中心系统;
[0012]图8示出了根据至少一个实施例的计算机系统;
[0013]图9示出了根据至少一个实施例的计算机系统;
[0014]图10示出了根据至少一个实施例的计算机系统;
[0015]图11示出了根据至少一个实施例 ...
【技术保护点】
【技术特征摘要】
1.一种处理器,包括:一个或更多个电路,用于使用一个或更多个神经网络来确定一个或更多个用户的粗略注视和所述一个或更多个用户的精细注视。2.根据权利要求1所述的处理器,其中所述一个或更多个神经网络包括第一神经网络,用于从所述一个或更多个用户的一只或更多只眼睛的一个或更多个图像来确定粗略瞳孔估计。3.根据权利要求2所述的处理器,其中所述一个或更多个神经网络还包括第二神经网络,用于使用从所述粗略瞳孔估计确定的所述一个或更多个图像的一个或更多个瞳孔区域来确定精细瞳孔估计。4.根据权利要求2所述的处理器,其中所述第一神经网络和所述第二神经网络使用相同的基于卷积神经网络CNN的架构,但是具有不同的网络参数。5.根据权利要求2所述的处理器,其中所述一个或更多个电路还用于:在确定所述粗略瞳孔估计之前,确定所述一只或更多只眼睛的所述一个或更多个图像与所述一只或更多只眼睛的一个或更多个先前图像相差是否大于阈值量,其中如果确定的差值小于所述阈值量,则能够重新使用先前的粗略瞳孔估计。6.根据权利要求2所述的处理器,其中所述一个或更多个图像包括用于所述一个或更多个用户中的一个用户的双眼的分开的图像,并且其中所述一个或更多个电路进一步用于:将那些分开的图像连接成具有在所述眼睛的表示之间的填充的连接图像,然后将所述连接图像作为输入提供给所述第一神经网络。7.一种系统,包括:一个或更多个处理器,用于使用一个或更多个神经网络来确定一个或更多个用户的粗略注视和所述一个或更多个用户的精细注视。8.根据权利要求7所述的系统,其中所述一个或更多个神经网络包括第一神经网络,用于从所述一个或更多个用户的一只或更多只眼睛的一个或更多个图像来确定粗略瞳孔估计。9.根据权利要求8所述的系统,其中所述一个或更多个神经网络还包括第二神经网络,用于使用从所述粗略瞳孔估计确定的所述一个或更多个图像的一个或更多个瞳孔区域来确定精细瞳孔估计。10.根据权利要求8所述的系统,其中所述第一神经网络和所述第二神经网络使用相同的基于卷积神经网络CNN的架构,但是具有不同的网络参数。11.根据权利要求8所述的系统,其中所述一个或更多个处理器还用于:在确定所述粗略瞳孔估计之前,确定所述一只或更多只眼睛的所述一个或更多个图像与所述一只或更多只眼睛的一个或更多个先前图像相差是否大于阈值量,其中如果确定的差值小于所述阈值量,则能够重新使用先前的粗略瞳孔估计。12.根据权利要求8所述的系统,其中所述一个或更多个图像包括用于所述一个或更多个用户中的一个用户的双眼的分开的图像,并且其中所述一个或更多个电路进一步用于:将那些分开的图像连接成具有在所述眼睛的表示之间的填充的连接图像,然后将所述连接图像作为输入提供给所述第一神经网络。13.一种方法,包括:
使用一个或更多个神经网络来确定一个或更多个用户的粗略注视和所述一个或更多个用户的精细注视。14.根据权利要求13所述的方法,其中所述一个或更多个神经网络包括第一神经网络,用于从所述一个或更多个用户的一只或更多只眼睛的一个或更多个图像来确定粗略瞳孔估计。15.根据权利要求14所述的方法,其中所述一个或更多个神经网络还包括第二神经网络,用于使用从所述粗略瞳孔估计确定的所述一个或更多个图像的一个或更多个瞳孔区域来确定精细瞳孔估计。16.根据权利要求14所述的方法,其中所述第一神经网络和所述第二神经网络使用相同的基于卷积神经网络CNN的架构,但是具有不同的网络参数。17.根据权利要求14所述的方法,还包括:在确定所述粗略瞳孔估计之前,确定所述一只或更多只眼睛的所述一个或...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。