Zur Seitenansicht
 

Titelaufnahme

Titel
Behavior adaptive and real-time model of integrated bottom-up and top-down visual attention / Muhammad Zaheer Aziz
AutorAziz, Muhammad Zaheer In der Gemeinsamen Normdatei der DNB nachschlagen
Erschienen2009
HochschulschriftPaderborn, Univ., Diss., 2009
SpracheEnglisch
DokumenttypDissertation
URNurn:nbn:de:hbz:466-20090928013 Persistent Identifier (URN)
Dateien
Behavior adaptive and real-time model of integrated bottom-up and top-down visual attention [14.97 mb]
abstract [63.7 kb]
abstract [62.04 kb]
Links
Nachweis
Klassifikation

Deutsch

Visuelle Aufmerksamkeit ist ein wichtiger Bestandteil des natürlichen Sehens, der dazu beiträgt, die Datenmenge, die das menschliche Gehirn erreicht, wesentlich zu optimieren. Computer-gestützte Aufmerksamkeitsmodelle versuchen diese Filterung für Verfahren des künstlichen Sehens zu realisieren. In dieser Dissertation wird ein gebietsbasierter Ansatz zu Modellierung visueller Aufmerksamkeit vorgestellt, der eine Alternative zu existierenden Modellen darstellt. Das vorgeschlagene Modell integriert bottom-up- und top-down Pfade der Aufmerksamkeit in einer einzelnen Architektur und nutzt beide Pfade unter Berücksichtigung verschiedener visueller Verhalten. Um auf mobilen Seh-Systeme Ergebnisse in Echtzeit erzielen zu können, wurden schnellere Algorithmen zur Merkmalsextraktion und Salienzberechnung entwickelt. Die Neuerung hinsichtlich der top-down Aufmerksamkeit ist die Erzeugung von Salienz-Karten feiner Granularität, mit der die visuelle Suche eines gegebenen Objektes durchgeführt wird. Diese Karten besitzen eine hohe Salienz für jene Gebiete, die eine höhere Ähnlichkeit zu den Merkmalen des gesuchten Objekts aufweisen. Das vorgeschlagene Modell lieferte sinnvolle Ergebnisse und erzielte eine gute Leistung im Vergleich zu anderen verfügbaren Aufmerksamkeitsmodellen. Diese Arbeit zeigt neue Richtungen für die Untersuchungen in diesem Bereich auf, die zum Erreichen des ultimative Ziels biologisch plausibler, künstlicher Sehsysteme führen können.

English

Visual attention is an important component of natural vision that helps it to optimize the amount of data that reaches the brain for detailed processing. Computational models of attention attempt to perform this filtration for the machine vision systems. The work presented in this dissertation proposes a region-based approach for modeling visual attention as an alternative to the other existing paradigms. The proposed model integrates bottom-up and top-down pathways of attention into a single architecture and makes combined use of these pathways under different visual behaviors. In order to obtain real-time results on mobile vision systems new faster algorithms were developed for feature extraction and saliency computation. The innovation in terms of top-down attention is the creation of fine-grain saliency maps for visual search of a given object. In the proposed maps high saliency is given to regions that have more feature similarity with the search targets. The proposed model produced valid results and has shown good performance in comparison to other available attention models hence this research has opened new directions for investigations in this field that can lead to the ultimate target of biologically plausible machine vision.