Konyvolüsyon və rekurrent arxitekturaların göz hərəkəti təsnifatında şəxs-asılı olmayan və çoxverilənliyi qiymətləndirilməsi

Göz hərəkətlərini sabitlik, sakkad və düz peşələrə ayırmaq baxış qeydlərinin təhlili üçün əsas addımdır. Bu vəzifə üçün dərin modellər hazırda çox yaygındır, lakin onlar tez-tez iştirakçıları təlim və test dəstləri arasında bölüşən pəncərələrdə qiymətləndirilir və bu da modelin görmədiyi insanlar üçün nə qədər yaxşı işlədiklərini açıq buraxır. Bu məqalədə GazeCom məlumat dəstində dörd sinif göz hərəkətləri təsnifatı üçün üç memarlığın - bir ölçülü CNN, LSTM və CNNLSTM hibridinin - fərd-müstəqil müqayisə edilməsi (54 iştirakçı, 250 Hz, ekspert kadr səviyyəsində qeydlər) bildirilir. Hər model buraxma bir nəfərlik çapraz təsdiqləmə ilə təlim və sınaqdan keçirilir, buna görə hər iştirakçı növbədən keçirilir və hər memarlıq iki giriş təmsilçiliyi ilə idarə olunur: xam baxış mövqeyi və sürət, sürətlənmə və açar dəyişikliyi əlavə edən mənşəli bir dəst. Model fərqləri üst-üstə düşən pəncərələrdə yox, iştirakçı səviyyəsində ( 54 qat üzərində cüt testlər, Holm düzəlişləri) qiymətləndirilir. Tədqiqatda iki nəticə bir-birinə uyğun idi. Birincisi, təkrarlanan modelləşdirmə güclü modelləri zəif modellərdən ayırır: LSTM və hibrid alınan girişlə təxminən 0,82 makro-F1ə çatır, CNN isə 0,71ə çatır və fərq hər iştirakçı üçün saxlanılır. İkincisi, LSTM-yə konvulsiv ön ucun əlavə edilməsi kömək etmir: hibrid və düz LSTM-nin xam girişlə statistik olaraq fərqlənməsi mümkün deyil və çıxarılan girişlə 0,01 makro-F1dən az ayrılır, buna görə əlavə komponent məlumatlar tərəfindən təmin edilmir; hibrid ölçülə bilən heç bir qazanc üçün LSTM-dən təxminən 70% daha çox parametr daşımır. Əldə edilən giriş hər bir memarlığı yaxşılaşdırır, əksər CNN və düz peşə məktəbləri üçün. Üç öyrənilməmiş və ya yüngül əsas xətti (tezlik səthi, sürət yayılma və kinematik xüsusiyyətlərə aid təsadüfi meşə), qat-qat tənzimlənərək eyni protokol əsasında qiymətləndirilir, sabitlik / sakkad / peşə vəzifəsi üçün 0,530,54 makro-F1 yaxınlığında qalır, hər üç dərin modeldən çox aşağıdır. GazeCom-dan təlim alan modellər Lund2013 qeydlərində təlimsiz sınaqdan keçərkən və hər iki ekspert qiymətləndiricisi ilə nəticə verərkən dəqiqlik gözlənildiyi kimi azalır, lakin memarlıqların sıralaması qorunur. Bu səbəbdən sadə LSTM bu vəzifə üçün uyğun bir modeldir; düzgün peşə dair sinif əsas səhv mənbəyi olaraq qalır və gələcək iş üçün ən faydalı hədəfdir.

Müəllif bu əlyazmanın hazırlanmasında, dil redaktəsinin dəstəklənməsi və ingilis mətninin səmərəli və aydın olmasını təmin etmək üçün Paperpal istifadə etdi. Yazıçı bütün yaradılmış məzmunu nəzərdən keçirib və redaktə edib və son əlyazmanın məsuliyyətini öz üzərinə götürür.

Kompyuter Texnologiyaları Bölməsi, Bandırma Onyedi Eylül Universiteti, Bandırma, 10900, Gönen, Balıkesir, Türkiyə

Müəlliflər heç bir rəqabət maraqlarının olmadığını bəyan edirlər.

Məlumatı tətbiq etmək olmaz. Bu tədqiqat yalnız ictimaiyyətə açıq olan, müəyyən edilməmiş göz hərəkətləri məlumat dəstlərindən (GazeCom və Lund2013) istifadə edib və insan iştirakçılarından yeni məlumat toplanmasını nəzərdə tutmayıb.

Springer Nature nəşr olunan xəritələrdə və qurumların əlaqələrində yurisdiksiya iddiaları ilə bağlı neytral olaraq qalır.