apple watch軌跡紀錄的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列推薦必買和特價產品懶人包

利用深度學習網路於眼動資訊、九軸訊號與生理訊號來估測專注度

為了解決apple watch軌跡紀錄的問題，作者陳惠貞 這樣論述：

在本研究中提出以深度學習模型將眼動資訊、九軸訊號以及生理訊號來進行專注度估測，根據不同的持續性實驗來誘發注意力，在實驗進行時，眼動資訊、九軸訊號以及生理訊號會被同步紀錄。在眼動資訊的部分，本研究修改智慧眼鏡上向外照攝影機為向內照的眼球攝影機，並將彩色的眼睛影像作為輸入，經過全卷積網路(Fully Convolutional Network, FCN)後輸出預測瞳孔位置的二值化影像，利用形態學將影像修補得更完整，再計算瞳孔的中心；在九軸訊號的部分，使用智慧眼鏡中內建的九軸感測晶片來擷取九軸訊號；生理資訊則使用了量測心電圖的儀器，將實驗中受測者的生理原始訊號記錄下來，經過濾波後與眼動資訊與九軸資

訊統整，利用長短期記憶網路(Long Short Term Memory, LSTM)來估測三個訊號分別的專注度以及整合後的專注度。根據實驗結果，眼動資訊在估測專注度上擁有92.5%的準確率，利用慣性量測單元所得到的準確率為94.2%。我們也同時考量了生理訊號對於專注度估測的影響，因此除了眼動資訊及九軸資訊以外，還同步加上心電圖的訊號，用來輔助估測專注度。本研究的創新點為利用深度學習模型整合三種訊號，並用於專注度估測。