روشهای زیادی برای استخراج حرکت چشم و تشخیص عمق دید ارائه شدهاند، یکی از مهمترین روشها، روشهای مبتنی بر الگوریتم یادگیری عمیق است که زیر مجموعهای از الگوریتمهای یادگیری ماشین میباشند. به دلیل استخراج ویژگیهای مناسب با دقت بالا، مورد توجه بسیاری از متخصصین قرار گرفته است. همچنین یکی از مهمترین و سریعترین روشها در تشخیص اشیاء روش مبتنی بر معماری YOLO میباشد. این معماری یک شبکه هوشمند تشخیص اشیاء به صورت بلادرنگ است. شبکه YOLO یک بار به تصویر نگاه میکند اما به شیوه هوشمندانه. در این مقاله از یک شبکه جدید به نام SuNet استفاده شده است. روش پیشنهادی شباهتهایی با شبکه YOLO دارد اما در برخی جهات با شبکه YOLO تفاوت دارد. روش پیشنهادی در مقایسه با شبکه YOLO حجم کمتری از فضای پردازنده را به دلیل کم کردن تعداد لایهها اشغال میکند، در نتیجه نیاز به پردازنده قوی تر را مرتفع میسازد، همچنین با تغییر در لایههای شبکه YOLO نتایج بهتری از نظر سرعت و دقت در تشخیص حرکت چشم و عمق دید برای حرکت دادن ویلچر برقی تولید میکند. این روش ضمن اینکه تمامی ویژگیهای مثبت روشهای موجود را دارا میباشد، نسبت به آنها حجم کم، سرعت و دقت بالاتری نیز دارد.
کلمات کلیدی: یادگیری عمیق،یادگیری ماشین، استخراج حرکت چشم، تشخیص عمق دید، ویلچر برقی