用于视觉注意预测的仿生表示学习
计算机视觉与模式识别
2021-03-10 v1
摘要
视觉注意预测（VAP）是计算机视觉领域一个重要且必要的问题。大多数现有 VAP 方法基于深度学习。然而，它们在生成视觉注意图时并未充分利用低层对比度特征。本文提出一种新颖的 VAP 方法，通过仿生表示学习生成视觉注意图。仿生表示学习同时结合了低层对比度与高层语义特征，其依据是人眼对高对比度图像块和高语义对象敏感。所提方法由三个主要步骤组成：1) 特征提取，2) 仿生表示学习，3) 视觉注意图生成。首先，高层语义特征从精炼的 VGG16 中提取，而低层对比度特征由所提深度网络中的对比度特征提取块提取。其次，在仿生表示学习期间，所提取的低层对比度与高层语义特征通过所设计的密集连接块结合，该块按尺度逐级拼接多种特征。最后，利用加权融合层基于仿生表示学习后获得的表示生成最终视觉注意图。大量实验证明了所提方法的有效性。
引用
@article{arxiv.2103.05310,
title = {Bio-Inspired Representation Learning for Visual Attention Prediction},
author = {Yuan Yuan and Hailong Ning and Xiaoqiang Lu},
journal= {arXiv preprint arXiv:2103.05310},
year = {2021}
}