基于語義特征的視覺關注點檢測.pdf

1、當人類看到任意大小復雜的圖像的時，有著一種能夠快速識別圖像中顯著區(qū)域的能力，也正是因為這種能力，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。于是為了能夠讓機器人也能夠的模擬人的這種視覺機制，從而可以讓計算機也能擁有著同人類相似的篩選信息的能力，人眼視覺關注點檢測逐漸成為一個熱門的研究領域。而所謂人眼關注點檢測就是讓計算機或者是機器人來模擬人的視覺關注系統(tǒng)，從而能夠讓計算機或者機器人選擇出一幅圖片中人眼所關注的區(qū)域，從而

2、最終得到一幅關注點顯著圖，顯著圖中的像素值的大小表明是否屬于人眼關注點的大小概率，從而用于進一步的圖像特征，如目標識別，人工智能等方面。
　　基于此，本文循序漸進的提出了三種人眼關注點檢測的模型，分別從傳統(tǒng)方法和深度神經(jīng)網(wǎng)絡的角度來深入探究如何利用圖像中的各個等級的特征來指導模型對于圖像進行人眼關注點檢測。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行初步的關注點檢測，從而大致預測出圖片中的人眼所關注

3、的區(qū)域，然后再對圖像進行語義分割實現(xiàn)對于圖像中語義特征的提取。最后，再利用支持向量機對所提出的特征進行圖像融合和模型的訓練，從而獲得可以對圖像進行人眼關注點預測的傳統(tǒng)模型；第二種和第三種模型則是建立在深度神經(jīng)網(wǎng)絡的基礎上的模型，這兩種模型均利用了深度神經(jīng)網(wǎng)絡中的卷積層可以自動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行人眼關注點檢測模型的建立。除此之外，本文所提出的基于全卷積網(wǎng)絡的關注點檢測模型在網(wǎng)絡訓練完成之后，還將得到輸

4、出的結果進行閾值化處理，除去圖片中的噪聲，然后把網(wǎng)絡輸出的結果圖和方法一中的關注點的初步檢測圖通過支持向量機進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)絡的循環(huán)思想建立起來的人眼關注點的檢測模型。在模型的建立過程中通過分析全卷積網(wǎng)絡中各個卷積層所提出特征的等級的不同和這些特征在人眼關注點模型所起到的作用的不同，對全卷積網(wǎng)絡的網(wǎng)絡結構進行了改進，從而得到一個新的循環(huán)全卷積網(wǎng)絡.
　　在實驗部分，本文