《基於貝葉斯推理的視覺注意計算模型及套用研究》是依託華東師範大學，由續晉華擔任項目負責人的面上項目。
基本介紹
- 中文名：基於貝葉斯推理的視覺注意計算模型及套用研究
- 項目類別：面上項目
- 項目負責人：續晉華
- 依託單位：華東師範大學
項目摘要,結題摘要,
項目摘要
在任一時刻都會有大量信息投射到視網膜上，但視覺系統的處理資源有限，無法同時對所有信息進行處理。靈長類動物在長期的進化過程和個體的生長發育過程中，形成了有效的視覺注意機制。視覺注意的最重要的用處就是使視覺凝視中心(gaze)聚焦於視覺環境中醒目的或者與任務有關的物體，從而只對這部分信息做進一步處理。本項目根據視覺系統的層次化結構和視覺注意的神經機制，設計一個分層的基於貝葉斯推理的計算模型，並將靜態圖像的視覺注意和動態視頻的視覺注意分別套用於目標識別和動作識別中。該模型的創新之處在於：1、用貝葉斯推理將自底向上和自頂向下的兩種視覺注意機制有機地結合起來；2、模型中的結點所對應的神經元是對視覺變數在自然環境中的機率進行編碼，而不是抽取當前輸入的特徵；3、將視覺注意和目標識別、動作識別用統一的模型研究。本項目的研究在視覺感知和計算機視覺在眾多領域的套用等方面有很好的理論意義和套用價值。
結題摘要
生物視覺的注意機制可以將凝視中心聚焦於視覺環境中醒目的或者與任務有關的物體,而忽略其他無關的信息, 從而充分利用視覺系統的資源並加速視覺信號的處理。視覺注意的計算模型已成功地套用於計算機視覺的有關領域中。本項目的主要研究內容包括: 1.基於貝葉斯推理的分層(hierarchical)視覺注意計算模型。我們研究了自底向上的視覺顯著性和自頂向下的視覺注意模型並將兩者結合。研究只限於靜態圖像，沒有研究動態顯著性。2. 視覺注意模型在目標檢測與識別中的套用。在自頂向下的視覺注意模型中，我們研究了目標的檢測。但目標識別的研究未與視覺注意結合，而是採用了稀疏編碼，因此對稀疏編碼的詞典學習及流形上的幾何約束作了一些研究。3.我們做了一些動作識別的研究，但未能與視覺注意結合，因為沒有研究視頻的動態顯著性。4.場景圖像的表示與分類的研究。 本項目未能按計畫實現一個類腦的分層表示模型。在所提出的視覺注意模型和目標識別算法中採用的是相當於初級視皮層的稀疏編碼表示，沒能實現中間層的中級表示和高層的高級表示。因而在識別任務中不及近幾年來得到成功套用的深度網路。
