Dissertação

Deep Networks for Human Visual Attention: A hybrid model using foveal vision EVALUATED

A atenção visual desempenha um papel fundamental nos sistemas naturais e artificiais no que toca ao controlo dos recursos percetuais. Recentemente, foram desenvolvidas redes neuronais profundas para o reconhecimento de milhares de objetos que geram autonomamente características visuais otimizadas por treino com conjuntos extensos de dados. Estas características têm tido muito sucesso noutros problemas visuais tais como a segmentação de objetos, o seguimento e, recentemente, a atenção visual. Este trabalho propõe uma estrutura biologicamente plausível de classificação e localização de objetos que incorpora mecanismos de atenção bottom-up e top-down, combinando redes neuronais convolucionais com visão foveal. É feita uma passagem feed-forward para obter as previsões da rede neuronal quanto às etiquetas das classes. De seguida, é obtida uma proposta da localização do objecto para as top-5 classes e a imagem é reclassificada com atenção sendo comparadas duas configurações: uma uniforme (Cartesiana) e uma não uniforme (foveada). Na primeira, a imagem é recortada segundo a proposta de localização, descartando o contexto. Na segunda, é aplicado o modelo de foveação visual onde a imagem é foveada a partir do centro da localização proposta para um dado objeto. A principal contribuição deste trabalho reside na avaliação da utilização de imagens com resolução uniforme e foveada. Foi possível estabelecer a relação entre estes métodos e avaliar a informação preservada em cada tipo de sensor. Os resultados demonstram que não é necessário guardar e/ou transmitir toda a informação numa imagem com alta-resolução pois o desempenho obtido na tarefa de classificação satura.
Atenção visual, classificação e localização de objetos, redes neuronais profundas, visão computacional, visão variante no espaço.

Maio 25, 2017, 9:0

Publicação

Obra sujeita a Direitos de Autor

Orientação

ORIENTADOR

José Alberto Rosado dos Santos Vitor

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Catedrático

ORIENTADOR

Alexandre José Malheiro Bernardino

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Associado