基于語義特征的視覺關(guān)注點(diǎn)檢測.pdf

1、當(dāng)人類看到任意大小復(fù)雜的圖像的時(shí)，有著一種能夠快速識別圖像中顯著區(qū)域的能力，也正是因?yàn)檫@種能力，人類可以快速從一幅具有的大量信息圖片中篩選出自己所需要的信息。于是為了能夠讓機(jī)器人也能夠的模擬人的這種視覺機(jī)制，從而可以讓計(jì)算機(jī)也能擁有著同人類相似的篩選信息的能力，人眼視覺關(guān)注點(diǎn)檢測逐漸成為一個(gè)熱門的研究領(lǐng)域。而所謂人眼關(guān)注點(diǎn)檢測就是讓計(jì)算機(jī)或者是機(jī)器人來模擬人的視覺關(guān)注系統(tǒng)，從而能夠讓計(jì)算機(jī)或者機(jī)器人選擇出一幅圖片中人眼所關(guān)注的區(qū)域，從而

2、最終得到一幅關(guān)注點(diǎn)顯著圖，顯著圖中的像素值的大小表明是否屬于人眼關(guān)注點(diǎn)的大小概率，從而用于進(jìn)一步的圖像特征，如目標(biāo)識別，人工智能等方面。
　　基于此，本文循序漸進(jìn)的提出了三種人眼關(guān)注點(diǎn)檢測的模型，分別從傳統(tǒng)方法和深度神經(jīng)網(wǎng)絡(luò)的角度來深入探究如何利用圖像中的各個(gè)等級的特征來指導(dǎo)模型對于圖像進(jìn)行人眼關(guān)注點(diǎn)檢測。首先，在本文所提出的第一種的傳統(tǒng)的方法中，先采用了圖像中的低層特征對圖像進(jìn)行初步的關(guān)注點(diǎn)檢測，從而大致預(yù)測出圖片中的人眼所關(guān)注

3、的區(qū)域，然后再對圖像進(jìn)行語義分割實(shí)現(xiàn)對于圖像中語義特征的提取。最后，再利用支持向量機(jī)對所提出的特征進(jìn)行圖像融合和模型的訓(xùn)練，從而獲得可以對圖像進(jìn)行人眼關(guān)注點(diǎn)預(yù)測的傳統(tǒng)模型；第二種和第三種模型則是建立在深度神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上的模型，這兩種模型均利用了深度神經(jīng)網(wǎng)絡(luò)中的卷積層可以自動(dòng)的從圖像中由低到高的提出圖像中的各等級的特征的特性來進(jìn)行人眼關(guān)注點(diǎn)檢測模型的建立。除此之外，本文所提出的基于全卷積網(wǎng)絡(luò)的關(guān)注點(diǎn)檢測模型在網(wǎng)絡(luò)訓(xùn)練完成之后，還將得到輸

4、出的結(jié)果進(jìn)行閾值化處理，除去圖片中的噪聲，然后把網(wǎng)絡(luò)輸出的結(jié)果圖和方法一中的關(guān)注點(diǎn)的初步檢測圖通過支持向量機(jī)進(jìn)行圖片的融合從而得到最終的模型。最后本文提出的第三種模型則是基于循環(huán)全卷積網(wǎng)絡(luò)的循環(huán)思想建立起來的人眼關(guān)注點(diǎn)的檢測模型。在模型的建立過程中通過分析全卷積網(wǎng)絡(luò)中各個(gè)卷積層所提出特征的等級的不同和這些特征在人眼關(guān)注點(diǎn)模型所起到的作用的不同，對全卷積網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行了改進(jìn)，從而得到一個(gè)新的循環(huán)全卷積網(wǎng)絡(luò).
　　在實(shí)驗(yàn)部分，本文