当前位置：首页 » AI答疑

怎样提升跨场景注视预测的准确度？

2025-09-10

1.9 K

提升跨场景预测准确度的三种方法

Gaze-LLE通过预训练策略和模型选择已具备较好的泛化能力，如需进一步提升跨场景准确度，可以：

模型选择：优先选用_inout后缀的模型（如gazelle_dinov2_vitb14_inout），它们使用GazeFollow+VideoAttentionTarget联合训练数据，覆盖室内外多种场景
迁移学习：解冻backbone最后3层进行微调，在新场景的小样本数据（约200张标注图）上训练5-10个epoch
后处理优化：对输出热图进行非极大值抑制(NMS)，设置阈值过滤置信度＜0.7的预测点

注意事项：DINOv2的特征提取器在预训练时已涵盖丰富场景特征，一般情况下不建议完全重新训练。若目标场景存在特殊光照条件（如红外监控），建议在数据预处理阶段加入直方图均衡化。