基于多通道信息融合的注视点检测算法研究
| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-14页 |
| 1.1 研究背景与意义 | 第7-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文的主要工作 | 第10-12页 |
| 1.4 本文的章节安排 | 第12-14页 |
| 2 相关理论基础 | 第14-26页 |
| 2.1 图像底层特征 | 第14-17页 |
| 2.1.1 颜色特征 | 第14-16页 |
| 2.1.2 方向特征 | 第16页 |
| 2.1.3 形状特征 | 第16-17页 |
| 2.2 卷积神经网络的发展与应用 | 第17-24页 |
| 2.2.1 发展背景 | 第17-18页 |
| 2.2.2 深度学习的特点与原理 | 第18-19页 |
| 2.2.3 卷积神经网络 | 第19-24页 |
| 2.3 多示例学习 | 第24-26页 |
| 2.3.1 多示例学习算法概述 | 第24-25页 |
| 2.3.2 多示例学习算法在计算机视觉领域的应用 | 第25-26页 |
| 3 基于多通道信息融合的注视点检测算法 | 第26-45页 |
| 3.1 多通道的注视点检测结构 | 第26-37页 |
| 3.1.1 显著目标检测通道 | 第26-33页 |
| 3.1.2 颜色对比度检测通道 | 第33-36页 |
| 3.1.3 中心偏置通道 | 第36-37页 |
| 3.2 自适应融合权重训练 | 第37-40页 |
| 3.3 语义信息检测 | 第40-45页 |
| 4 实验结果与讨论 | 第45-52页 |
| 4.1 实验参数设置 | 第45页 |
| 4.2 数据库介绍 | 第45-46页 |
| 4.3 评价标准介绍 | 第46-47页 |
| 4.4 实验结果评价与讨论 | 第47-52页 |
| 4.4.1 显著目标检测通道检测效果比较与分析 | 第47-48页 |
| 4.4.2 多通道检测效果比较与分析 | 第48-49页 |
| 4.4.3 与其他算法的比较与分析 | 第49-51页 |
| 4.4.4 检测失败的例子以及改进方向设想 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表学术论文情况 | 第58-59页 |
| 致谢 | 第59-61页 |
