一种基于深度卷积网络和频域特征增强的人眼注视点预测方法

本发明公开了一种基于深度卷积网络和频域特征增强的人眼注视点预测方法，包括：由深度卷积网络(即残差网络ResNet)作为骨干网络构成编码器分支，使用五层编码块来提取输入图像的五个层次的空间特征；将编码器提取的五层空间特征分别送入频域特征增强模块进行基于离散余弦变换(DCT)的频域特征增强，以加强各层人眼注视区域特征并减少干扰特征；将频域增强后的各层次特征送入解码器分支对应层的解码块，进行从高层到低层的依次解码与空间上采样操作；由解码器分支最后一个解码块的输出经1×1卷积和两倍上采样得到人眼注视点预测结果。本发明通过对骨干网络提取的空间多层卷积特征进行频域特征增强和从高层到低层依次解码，提高了人眼注视点预测精度。