网页视觉注意的相关研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 引言 | 第11-15页 |
| 1.1 研究背景和意义 | 第11-13页 |
| 1.2 研究内容 | 第13-14页 |
| 1.3 论文结构 | 第14-15页 |
| 第二章 视觉注意的研究现状和相关应用 | 第15-27页 |
| 2.1 引言 | 第15页 |
| 2.2 视觉注意的生理学及心理学机制 | 第15-21页 |
| 2.2.1 视觉注意的生理学机制 | 第15-19页 |
| 2.2.2 视觉注意的心理学机制 | 第19-21页 |
| 2.3 视觉注意的计算模型 | 第21-25页 |
| 2.3.1 自底向上的视觉注意计算模型 | 第21-24页 |
| 2.3.2 自顶向下的视觉注意计算模型 | 第24-25页 |
| 2.4 视觉注意的应用现状 | 第25-26页 |
| 2.4.1 视频和图像压缩 | 第25页 |
| 2.4.2 视频摘要 | 第25页 |
| 2.4.3 视频重定向 | 第25-26页 |
| 2.4.4 无人驾驶 | 第26页 |
| 2.4.5 网页智能分析 | 第26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 网页注视点数据采集及眼动实验 | 第27-35页 |
| 3.1 引言 | 第27页 |
| 3.2 相关数据集 | 第27-29页 |
| 3.2.1 Bruce120 | 第27页 |
| 3.2.2 MIT1003 | 第27页 |
| 3.2.3 CAT2000 | 第27-28页 |
| 3.2.4 FiWI | 第28-29页 |
| 3.3 眼动实验 | 第29-31页 |
| 3.3.1 实验数据源 | 第29-30页 |
| 3.3.2 实验仪器和对象 | 第30-31页 |
| 3.3.3 实验步骤 | 第31页 |
| 3.4 眼动实验的结果分析 | 第31-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 基于多特征融合的网页视觉注意模型 | 第35-46页 |
| 4.1 引言 | 第35页 |
| 4.2 多特征的提取 | 第35-40页 |
| 4.2.1 颜色、方向、亮度特征 | 第35-37页 |
| 4.2.2 子带特征 | 第37-38页 |
| 4.2.3 最大稳定极值区域特征 | 第38-39页 |
| 4.2.4 水平线特征 | 第39页 |
| 4.2.5 位置偏移特征 | 第39页 |
| 4.2.6 文本特征 | 第39-40页 |
| 4.2.7 人脸和人体特征 | 第40页 |
| 4.3 基于线性支持向量机的特征融合 | 第40-42页 |
| 4.3.1 支持向量机(SVM) | 第40-41页 |
| 4.3.2 基于线性支持向量机的特征融合 | 第41-42页 |
| 4.4 实验结果与分析 | 第42-45页 |
| 4.4.1 实验所用数据集 | 第42页 |
| 4.4.2 实验评估方法 | 第42-43页 |
| 4.4.3 实验结果分析 | 第43-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第五章 基于卷积神经网络的网页视觉注意模型 | 第46-59页 |
| 5.1 引言 | 第46页 |
| 5.2 卷积神经网络 | 第46-51页 |
| 5.2.1 神经网络 | 第46-49页 |
| 5.2.2 卷积神经网络 | 第49-51页 |
| 5.3 结合卷积神经网络的网页视觉注意模型 | 第51-54页 |
| 5.3.1 基于FCN模型的自顶向下特征 | 第51-52页 |
| 5.3.2 基于改进ITTI模型的自底向上特征 | 第52-53页 |
| 5.3.3 双向特征融合 | 第53-54页 |
| 5.4 实验结果与分析 | 第54-58页 |
| 5.4.1 实验所用数据集 | 第54页 |
| 5.4.2 实验评估方法 | 第54页 |
| 5.4.3 实验结果分析 | 第54-58页 |
| 5.5 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 论文总结 | 第59页 |
| 6.2 后续展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间发表的学术论文 | 第66页 |
