计量学报

作者：王红霞,赵志国

单位：沈阳理工大学,辽宁 沈阳 110158

关键词：机器视觉;目标检测;脉冲神经网络;注视估计;坐标注意力;召回率; 事件相机

基金：辽宁省自然科学基金(2022-MS-276)

针对传统相机在拍摄人眼运动时易产生动态模糊、时间分辨率低等问题,采用事件相机近眼拍摄构建Spiking-Eye数据集,并提出一种坐标注意力的脉冲神经网络模型(CA-SpikingRepVGG)。模型读取编码后的事件数据,经过带坐标注意力的主干网络进行特征提取,最后馈入检测头进行检测。实验结果显示:CA-SpikingRepVGG的平均检测精确率RP达到了70.8%,与SpikingVGG-16比较,该模型的RP提高了15.9%,召回率Rr提高了14.2%;仅需SpikingDensenet模型1/3的训练时间,比其RP提高1.8%、Rr提高0.9%。结果表明:该模型在针对眼球运动这一场景下对人眼的检测追踪能力更强,可以很好地完成注视估计任务。

来源：2024年第7期

《计量学报》期刊编辑部

查看计量学报杂志2024年第7期