Full text
Preview |
PDF
- Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (1MB) | Preview |
Jin, XinZhe (2020). Seguimiento ocular para análisis del comportamiento mediante ANN. Thesis (Master thesis), E.T.S. de Ingenieros Informáticos (UPM).
Title: | Seguimiento ocular para análisis del comportamiento mediante ANN |
---|---|
Author/s: |
|
Contributor/s: |
|
Item Type: | Thesis (Master thesis) |
Masters title: | Inteligencia Artificial |
Date: | July 2020 |
Subjects: | |
Freetext Keywords: | CNN; Visión por computador; Seguimiento ocular; Aprendizaje profundo; Bioinfomática; Computer visión; Eye tracking; Deep learning; Bioinformatics |
Faculty: | E.T.S. de Ingenieros Informáticos (UPM) |
Department: | Inteligencia Artificial |
Creative Commons Licenses: | Recognition - No derivative works - Non commercial |
Preview |
PDF
- Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (1MB) | Preview |
El uso del aprendizaje profundo o deep learning se ha extendido a una gran cantidad de campos en los últimos años. Desde aplicaciones para el procesamiento de lenguaje natural para la clasificación de textos o generación de descripciones hasta el análisis de imágenes médicas con las que se obtienen una mayor precisión que con el propio ojo humano. Todas estas aplicaciones han conseguido resultados notables en cada uno de sus respectivos campos y demuestran el potencial del aprendizaje profundo para resolver problemas complejos. Por consiguiente en este trabajo, se ha tratado de resolver el problema del seguimiento ocular, mediante el uso de técnicas de aprendizaje profundo. Se ha preparado varios datasets con los que se han entrenado un grupo de redes neuronales, con el fin de identificar el punto que observa el usuario en la pantalla. Así mismo, se han comparado y analizado el aprendizaje de cada una de las redes. Finalmente, se han comentado sobre los resultados obtenidos por cada una.---ABSTRACT---Deep learning algorithms are spreaded to a large number of fields in the recent years. From fields like natural language processing, where a tons of applications are created such as texts classification or image caption generators, to medical image analysis that have obtained a better precision than the human eye, related to the computer vision field. All of these applications have achieved remarkable results in each of their respective fields and demonstrate the potential of deep learning to solve complex problems. Therefore, in order to solve the eye tracking problem, a deep learning technique is implemented. Several neural networks are trainned with some datasets that are created manually. Finally, the trainning process are compared and discussed.
Item ID: | 63218 |
---|---|
DC Identifier: | https://oa.upm.es/63218/ |
OAI Identifier: | oai:oa.upm.es:63218 |
Deposited by: | Biblioteca Facultad de Informatica |
Deposited on: | 24 Jul 2020 10:50 |
Last Modified: | 24 Jul 2020 10:50 |