利用图像间相似性与极限学习机集成进行基于深度特征的注视点预测
计算机视觉与模式识别
2017-05-31 v1 人工智能
摘要
本文提出了一种新颖的注视点预测与显著性建模框架，该框架基于图像间相似性和极限学习机(ELM)的集成。所提出的框架受到两个观察的启发：1) 场景的上下文信息与低级视觉线索共同调节注意力；2) 场景记忆性对眼动模式的影响，这种影响源于场景与先前视觉经验的相似性。受这些观察的驱动，我们开发了一个框架，该框架使用一个极限学习机集成来估计给定图像的显著性，其中每个学习机都在一张与输入图像相似的图像上进行训练。也就是说，在为给定图像检索到一组相似图像后，使用 ELM 从检索到的图像集中的每张图像学习一个显著性预测器，从而形成一个集成。然后，给定图像的显著性通过集成成员预测的显著性值的平均值来衡量。
引用
@article{arxiv.1610.06449,
title = {Exploiting inter-image similarity and ensemble of extreme learners for fixation prediction using deep features},
author = {Hamed R. -Tavakoli and Ali Borji and Jorma Laaksonen and Esa Rahtu},
journal= {arXiv preprint arXiv:1610.06449},
year = {2017}
}