| KEYWORD |
Deep learning methods for eye detection in high-resolution images without whole-face clues
Parole chiave ANALISI DATI SPERIMENTALI, ELABORAZIONE NUMERICA DI SEGNALI, MALATTIE NEUROLOGICHE
Riferimenti GABRIELLA OLMO
Riferimenti esterni Dr. Gianluca Amprimo - gianluca.amprimo@polito.it
Gruppi di ricerca DAUIN - GR-19 - SYSTEM BIOLOGY GROUP - SYSBIO
Tipo tesi SPERIMENTALE APPLICATA
Descrizione Diverse soluzioni di Face Detection basate su Deep Learning consentono l’identificazione degli occhi dei soggetti presenti all’interno di un video. Tuttavia, nel caso di video con zoom sull’occhio stesso, tali librerie (es: Google Mediapipe Face) falliscono nel tracciamento, in quanto l’occhio è tracciato sulla base dell’individuazione dell’intero volto. Il tracciamento del solo occhio all’interno di un video RGB consentirebbe di acquisire immagini ad alta risoluzione tramite telecamere esterne (senza la necessità di dispositivi indossabili per il tracking oculare), per poi segmentare le parti e le attività oculari di interesse (es: contrazioni della pupilla, saccadi, fissazioni).
Obiettivi
La tesi si pone diversi obiettivi:
-Generare un dataset contenente video di inquadrature oculari in diverse condizioni ambientali (e.g. luminosità), di cattura (e.g. occhio parzialmente visibile, ruotato) partendo da altri dataset disponibili online e all’interno del gruppo di ricerca.
-Utilizzare tale dataset per allenare modelli di Deep Learning in grado di individuare l’occhio all’interno del video ed estrarre i suoi landmark fondamentali
-Rendere la soluzione integrabile all’interno di una libreria più ampia per l’eye tracking.
Conoscenze richieste -Conoscenza teoriche di Machine e Deep learning o forte interesse sull’argomento
-Conoscenza del linguaggio Python, incluse librerie Opencv, Scikit-Learn e Pytorch/Keras/Tensorflow (anche solo uno dei tre)
(opzionale) Conoscenze di Image and Signal processing, Linguaggio C++
Scadenza validita proposta 27/03/2024
PROPONI LA TUA CANDIDATURA