تشخیص برجستگی عمومی تصویر با استفاده همزمان از ویژگی های سطح پایین و سطح بالا

Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,473

This Paper With 7 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

KMTTORBAT01_046

تاریخ نمایه سازی: 16 خرداد 1394

Abstract:

توجه بصری، فرایندی است که سیستم های بیولوژیکی را قادر می سازد تا نواحی مورد توجه را از صحنه انتخاب کنند. مدلسازی توجهبصری، کاربردهای مهندسی فراوانی در زمینه بینایی ماشین دارد که در اصطلاح تشخیص برجستگی نامیده میشود. اکثر مدلهای توجه بصریمبتنی بر توجه پایین به بالا هستند و برای تشخیص برجستگی از ویژگی های سطح پایین استفاده می کنند. مدلهای بالا به پایین ارائه شده درپژوهشهای پیشین نیز اغلب محدود به پیدا کردن نواحی هدف خاص (تشخیص برجستگی اختصاصی) هستند. در این مقاله، یک مدل توجه بصریارائه گردیده است که شامل دو قسمت: توجه بالا به پایین و توجه پایین به بالا است. توجه بالا به پایین مورد استفاده در این مقاله، مبتنی بر نواحیهدف عام است و ویژگیهای سطح پایین و سطح بالا را برای طبقه بندی کننده با سرپرست AdaBoost به کار می برد. توجه پایین به بالا در این مدل، براساس رنگ پسزمینه، نواحی مورد توجه را تشخیص میدهد. در نهایت، دو نقشه برجستگی ایجاد شده از توجه بالا به پایین و پایین به بالا با یکدیگر تلفیق می شوند. پیاده سازی روش پیشنهادی روی پایگاه داده MSRA-1000 انجام گردیده است و تعیین معیار کمی F-measure و معیار کیفی منحنی precision-recall حاکی از کارآیی مناسب روش پیشنهادی است.

Keywords:

تشخیص برجستگی , ویژگیهای سطح پایین و سطح بالا , مبتنی بر نواحی هدف عام , توجه پایین به بالا , توجه بالا به پایین

Authors

شیما فولاد

گروه مهندسی برق و کامپیوتر، دانشگاه سمنان، سمنان

علی مالکی

عضو هیئت علمی، گروه مهندسی برق و کامپیوتر، دانشگاه سمنان، سمنان

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • U. Rutishauser, D. Walther, C. Koch, and P. Perona, "Is ...
  • C. Christopoulos, A. Skodras, A. Koike, and T. Ebrahimi, "The ...
  • of on-line learning and an application to boosting, " Journal ...
  • attention model and its application in video summarization, " IEEE ...
  • O. Le Meur and P Le Callet, "What we see ...
  • L. Itti, C. Koch, and E. Niebur, "A Model of ...
  • on background color feature", 3rd congress _ basic and clinical ...
  • _ _ _ Neur، al Information Processing Systems (NIPS), pp. ...
  • R. Achanta, S. Hemami, F. Estrada, and S. Susstrunk, "Frequency- ...
  • _ _ _ Using Low-Level Features Based on Wavelet Transform", ...
  • E. Erdem, and A. Erdem, "Visual saliency estimation by nonlinearly ...
  • _ _ _ processing letters, vol 20, _ 7, pp. ...
  • _ _ _ _ 997-999, 2014. ...
  • _ _ _ _ conference on pattern recognition, 2010. ...
  • A. Borji, M.N. Ahmadabadi, and B.N. Araabi, "Cost-Sensitive Learning of ...
  • R. Achanta, K. Smith, A. Lucchi, P. Fua, and S. ...
  • M. Haghighat, S. Zonouz, M Abdel-Mottaleo "Identification ...
  • P. Felzenszwalb, R. Girshick, D. McAllester, D. Ramanan. "Object detection ...
  • X. Shen and Y. Wu, "A unified approach to salient ...
  • Y. Freund and R.E Schapire, _ deci sion-theoretic generalization ...
  • _ _ _ Recognition (CVPR), pp. 438-445, 2012. ...
  • neuroscience (BCNC), Tehran, Iran, October, pp. 143-144, 2014 [24] R. ...
  • X. Hou, and L. Zhang, "Saliency Detection: A Spectral Residual ...