Аналіз висхідної IKN-моделі зорової уваги

Authors:

Степанюк С.

Волинський національний університет ім. Лесі Українки, кафедра прикладної математики

Розглядається моделювання зорової уваги на основі висхідних процесів, зокрема аналізується модель Ітті як одна із базових і широко використовуваних. Наведено переваги та обмеження цієї моделі, відкриті питання в цій області, також висунуто гіпотези щодо можливих шляхів вдосконалення моделі. Одними з таких є заміна нейронної мережі на ефективнішу, перехід від системи кольорів RGB до CMYK або HSV, врахування додаткових властивостей візуальної сцени.

зорова увага

висхідна селективна увага

обчислювальна модель

карта властивостей

карта характерних особливостей

піраміда Гаусса

штучна WTA нейронна мережа

фокус уваги

1. Pedro F. Ecient graph-based image segmentation / F. Pedro, Felzenszwalb and Daniel P. Huttenlocher // International Journal of Computer Vision. – 2004. – V. 59(2)(5). – P. 167–181. 2. Malik J. Contour and texture analysis for image segmentation / J. Malik, S. Belongie, T. Leung, and J. Shi // International Journal of Computer Vision. – 2001. – V. 43(1). – P. 7–27. 3. Ouerhani N. Visual attention guided seed selection for color image segmentation / N. Ouerhani, N. Archip, H. Hgli, and Pierre-Jean Erard // Computer Analysis of Images and Patterns.– 2001. – V. 2124. – P. 630–637. 4. Chun M. Visual Attention / Marvin M. Chun, Jeremy M. Wolfe, Blackwell. – Handbook of Perception, 2000. 5. Шиффман Х. Ощущение и восприятие. 5-е изд. – СПб, 2003. – 928 с. 6. Treisman A. A Feature-Integration Theory of Attention / A. Treisman, G. Gelade // Cognitive Psychology. – 1980. – V. 12. – No. 1. – P. 97–136. 7. Moosmann F, Learning Saliency Maps for Object Categorization / F. Moosmann, D. Larlus and F. Jurie // International Workshop on The Representation and Use of Prior Knowledge in Vision. – 2006. 8. Achanta R. Salient Region Detection and Segmentation / R. Achanta, F. Estrada, P. Wils and S. Ssstrunk // in Proceedings of the International Conference on Computer Vision Systems. – 2008. – P. 66–75. 9. Guo C. A novel multiresolution spatiotemporal saliency detection model and its applications in image and video compression / C. Guo and L. Zhang // IEEE Trans. Image Processing. – 2010. – V. 19(1). – P. 185–198. 10. Kanan C. Robust Classification of Objects, Faces, and Flowers Using Natural Image Statistics / C. Kanan and G.W. Cottrell // Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. – 2010. 11. Itti L. A model of saliency-based visual attention for rapid scene analysis / L. Itti, C. Koch, E. Niebur // IEEE Trans. Pattern Anal. Machine Intel. – 1998. – V. 20. – No. 11. – P. 1254–1259. 12. Walther D. Modeling attention to salient proto-objects / D. Walther, Ch. Koch // Neural Networks. – 2006. – V. 19. – P. 1395–1407. 13. Shic F. A Behavioral Analysis of Computational Models of Visual Attention / F. Shic, B. Scassellati // International Journal of Computer Vision. – 2007. – V. 73(2). – P. 159–177. 14. Koch C. Shifts in selective visual attention: towards the underlying neural circuitry / C. Koch, S. Ullman // Human Neurobiology. – 1985. – V. 4. – P. 219–227. 15. Harel J. Graph-Based Visual Saliency / J. Harel, C. Koch, P. Perona // Proceedings of Neural Information Processing Systems (NIPS). – 2006. 16. Kadir T. An affine invariant salient region detector / T. Kadir, A. Zisserman, M. Brady // Proceedings of the 8th European Conference on omputer Vision. – 2004. 17. Greenspan H. Over complete Steerable Pyramid Filters and Rotation Invariance / H. Greenspan and other // Proc. IEEE Computer Vision and Pattern Recognition. – 1994. – P. 222–228. 18. Frintrop S., VOCUS: A visual attention system for object detection and goal-directed search / Simone Frintrop // PhD thesis. – 2006.