Clasificación de estados de atención visual con métricas de seguimiento ocular mediante técnicas de aprendizaje profundo
La estimación de estados de atención es una tarea importante en diferentes áreas del conocimiento. Hasta el momento la clasificación de estados de atención se veía limitada por las clases que el estado del arte ha utilizado para describir el estado cognitivo de los sujetos. En esta contribución se p...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Estado: | Versión publicada |
| Fecha de publicación: | 2023 |
| País: | México |
| Institución: | Universidad Autónoma de Querétaro |
| Repositorio: | Repositorio Institucional de la Universidad Autónoma de Querétaro |
| Idioma: | español |
| OAI Identifier: | oai:ri-ng.uaq.mx:123456789/8907 |
| Acceso en línea: | https://ri-ng.uaq.mx/handle/123456789/8907 |
| Access Level: | acceso abierto |
| Palabra clave: | Ingeniería y Tecnología Ciencias Tecnológicas Otras Especialidades Tecnológicas |
| Sumario: | La estimación de estados de atención es una tarea importante en diferentes áreas del conocimiento. Hasta el momento la clasificación de estados de atención se veía limitada por las clases que el estado del arte ha utilizado para describir el estado cognitivo de los sujetos. En esta contribución se plantea una nueva forma de procesar los datos de sesiones de seguimiento ocular: convertir la información una dimensión a una visualización bidimensional. Esta propuesta brinda la oportunidad de visualizar propiedades físicas de los diferentes movimientos oculares que durante un procesamiento convencional pueden pasar desapercibidas. |
|---|