【摘 要】
：
人类在观看某一视觉场景时,人眼受到视觉注意机制（Visual Attention Mechanism,VAM）的调控往往能够迅速的定位于自身的感兴趣区域（Region of Interest,ROI）,使大脑优先对感兴趣区域的视觉信息进行更高层次的分析和处理,从而高效地获取期望的信息。如果能够有效建模人类的视觉注意机制,并应用于现今的计算机视觉领域,计算机图像处理算法将实现类人的图像场景理解,高效
论文部分内容阅读
人类在观看某一视觉场景时,人眼受到视觉注意机制（Visual Attention Mechanism,VAM）的调控往往能够迅速的定位于自身的感兴趣区域（Region of Interest,ROI）,使大脑优先对感兴趣区域的视觉信息进行更高层次的分析和处理,从而高效地获取期望的信息。如果能够有效建模人类的视觉注意机制,并应用于现今的计算机视觉领域,计算机图像处理算法将实现类人的图像场景理解,高效的应对和解决各种复杂的视觉任务。图像的群体扫视路径生成和预测,正是为建模和模拟人类视觉注意机制,特别是视觉注意的动态转移过程,而诞生的一个研究课题。经历长期的发展过程,相关研究在生物神经科学和认知心理学领域已经有所突破和进展。随着大数据挖掘和人工智能的兴起,研究者们已经开始从数据角度出发,利用机器学习技术,展开新的探索。图像的群体扫视路径生成研究,通常利用数据挖掘技术,分析群体观察者的眼动追踪数据,确定群体共同的视觉元素和视觉注意转移模式。图像的扫视路径预测,通常借鉴生物神经科学和认知心理学领域中的视觉系统生理学原理,构建模型驱动或数据驱动的数学模型,模拟人类的视觉注意转移过程。目前来看,该课题的相关研究具有较大的发展空间,需要且值得人们进一步的挖掘和探索。本论文受神经科学、认知心理学、计算机视觉相关研究的启发,利用群体观察者的眼动追踪数据挖掘自然场景下的动态视觉注意机制,探索群体扫视路径生成以及扫视路径预测问题。论文主要工作内容简述如下:（1）研究自然场景图像的群体扫视路径生成问题,提出了基于注视兴趣区域聚类和转移的群体扫视路径生成方法。该方法首先利用注视点聚类确定注视兴趣区域;其次,进一步研究具有表征性能的注视兴趣区域筛选、依据注视行为的注视兴趣子区域生成、以及依据注视优先度的注视兴趣区域转移;最终,结合扫视路径长度先验信息生成群体扫视路径。（2）研究自然场景图像的扫视路径预测问题,提出基于非线性回归的图像实例视觉注意转移预测模型。该模型通过先进的实例分割算法提取自然场景中的所有实例物体;结合群体观察者的眼动追踪数据,提取与实例物体相关的视觉注意先验特征;利用非线性回归神经网络拟合实例物体的先验特征与注视优先度的关联关系,预测出以实例物体为视觉元素的扫视路径。
其他文献
语义分割是计算机视觉任务的基础,其目的是将场景划分为不同的图像区域,并为场景中的每个像素分配一个对应的语义标签。该技术目前广泛应用于地学信息系统（GIS）、自动驾驶以及医学等诸多领域。同时,深度学习热潮也推动了语义分割发展。如何增强网络特征表示能力、减少图像细节的丢失以及减少模型计算代价已成为语义分割任务的重点。对于提高网络特征表述能力以及减少图像细节的丢失,提出了双边注意力网络。其中相关系数通道
随着全球能源结构的不断优化调整,中国开始将清洁能源作为重点发展对象。电能作为一种高效的清洁能源,有望在未来可以逐渐取代传统化石能源在社会中占据的主导地位。据统计,对于电能的消耗大部分都是通过电机来完成。永磁同步电机（PMSM）凭借其机械效率高、功率密度大、动态响应快、以及较强的带负载能力等优点,逐渐取代了传统感应电机。PMSM在工业控制领域尤其是高精度伺服数控机床、机器人、无人机等领域得到了广泛应
电能是全世界应用最广泛的能源,而电能的合理使用是创造生态文明的重要一环。近些年,由于用电量急速增长,导致了电网高峰负荷的饱和。而居民用电是电网高峰负荷乃至尖峰负荷的重要组成,且集中性是其所具有的特有性质,从而影响电网的稳定运行。智能用电可利用潮流调控、分时电价等方法,减小楼宇电能消耗,实现削峰填谷和负荷转移。负荷监测测是实现智能用电的重要一环,通过负荷监测,各电器耗电情况能被用户及时了解,用户可主
自从2004年石墨烯问世以来,越来越多的二维材料被人们发现并广泛研究。其中一种新兴的二维材料硒化锗（Ge Se）,表现出优异的光吸收和响应能力,使其在光电探测领域展现出良好的发展前景。但Ge Se较高的电子-空穴复合率成为进一步增强其光电转换性能的制约因素。本工作利用石墨烯的高载流子迁移率通过构建石墨烯与Ge Se异质结,实现了Ge Se材料光生载流子复合率的有效降低,实验结果表明相对于纯Ge S
随着电力系统的快速发展和持续转型升级,新能源并网、电力电子装置和新型负荷接入比例增加,电力系统朝多能源、多网络、多主体相结合的趋势演变,为电力系统创造巨大社会经济效益的同时,也给系统带来了诸多随机因素,大量随机因素接入电力系统,增加了系统运行特性的复杂性,使电力系统安全与稳定面临新的挑战。同时,随着电力系统安全运行压力与可靠性要求的增加,对提高电力系统安全稳定运行提出了更高的要求。因此,为揭示随机
图像作为记录和传递信息的重要媒介,被广泛应用于人工智能领域。然而在采集过程中,不可避免地会受到镜头抖动或物体运动的影响而导致图像产生模糊,不利于图像的进一步利用。因此,怎样将模糊图像恢复为清晰图像成为了亟需解决的问题。深度学习方法凭借其强大的特征表达能力,正在成为图像去模糊任务的首选工具。本文通过分析不同尺度下模糊图像的特征,对模糊区域进行有效定位,并融合多尺度信息来提升模型的去模糊性能,主要工作