期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
采用Mediapipe和SpeedyBlock的快速鲁棒轻量级眼睛状态估计方法
1
作者 洪叁亮 王李珍 陈玉思 《三明学院学报》 2025年第6期29-37,共9页
提出一种快速、鲁棒的轻量级眼睛状态估计方法。利用开源库Mediapipe的Facemesh模块快速定位眼睛区域,并基于LightEyeNet模型估计眼睛的状态提出了快速特征提取模块SpeedyBlock和基于多层级及注意力机制特征融合的轻量级眼睛状态估计网... 提出一种快速、鲁棒的轻量级眼睛状态估计方法。利用开源库Mediapipe的Facemesh模块快速定位眼睛区域,并基于LightEyeNet模型估计眼睛的状态提出了快速特征提取模块SpeedyBlock和基于多层级及注意力机制特征融合的轻量级眼睛状态估计网络(LightEyeNet),通过减少中间张量的通道数量,进一步降低计算成本,从而提高特征提取速度;LightEyeNet则利用不同层级间的特征融合和注意力机制提高模型的鲁棒性。实验结果表明,该眼睛状态估计模型的准确率可达99.354%,CPU推理时间仅为9.8ms,GPU可实现亚毫秒级运算,相比基于骨干网络MobileNetV2、MobileNetV3、ShuffleNetV2和MobileViT,推理时间减少10~167ms,模型参数量仅为它们的2.8%~26.4%。同时,Mediapipe+LightEyeNet在人脸测试集上的性能、准确率和模型参数上优于文献方法,准确率达到99.25%,提高了3.84%~5.87%,CPU推理时间仅为20ms,减少了83~547ms,模型参数量仅为91k,对各种不利情况具有很好的鲁棒性,适用于计算资源有限的边缘设备、移动端等应用场景。 展开更多
关键词 眼睛状态估计(ESE) 轻量级 speedyblock Mediapipe Light EyeNet
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部