基于深度学习的眼动跟踪数据融合算法

摘要：

针对传统数据融合算法在多场景下的眼动跟踪数据融合效果较差的问题,提出一种新的基于深度学习的眼动跟踪数据融合算法,即Eye-CNN-BLSTM算法.该算法在原始眼动跟踪数据空间位置信息基础上添加新的人工特征;将卷积神经网络(Convolutional Neural Network,CNN)与双向长短时记忆网络(Bi-directional Long Short-Term Memory,BLSTM)结合,设计了新的融合结构.实验结果表明,与六种经典数据融合算法相比,该算法在OTB-100数据集上融合性能更优.

关键词：眼动跟踪数据、数据融合、卷积神经网络(CNN)、双向长短时记忆网络(BLSTM)

所属期刊栏目：57

分类号：TP391;TP181(计算技术、计算机技术)

资助基金：国家自然科学基金;高等学校学科创新引智基地"111"计划

在线出版日期：2021-05-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：211-217