受神经科学启发的计算机识别和注意模型
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 主要符号对照表 | 第9-10页 |
| 第1章 引言 | 第10-18页 |
| 1.1 研究动机 | 第10-16页 |
| 1.1.1 计算机视觉概述 | 第10-11页 |
| 1.1.2 人脑视觉系统概述 | 第11-13页 |
| 1.1.3 借鉴人脑视觉系统的意义 | 第13-15页 |
| 1.1.4 已有工作的不足 | 第15-16页 |
| 1.2 主要贡献 | 第16页 |
| 1.3 全文结构 | 第16-18页 |
| 第2章 基于递归卷积神经网络的图像分类 | 第18-35页 |
| 2.1 引言 | 第18-20页 |
| 2.1.1 研究背景 | 第18页 |
| 2.1.2 研究动机 | 第18-20页 |
| 2.1.3 本章组织 | 第20页 |
| 2.2 相关工作 | 第20-22页 |
| 2.2.1 卷积神经网络 | 第20-21页 |
| 2.2.2 递归神经网络 | 第21-22页 |
| 2.3 模型 | 第22-26页 |
| 2.3.1 递归卷积层 | 第22-24页 |
| 2.3.2 关于递归卷积层的讨论 | 第24-25页 |
| 2.3.3 递归卷积神经网络及其展开方式 | 第25-26页 |
| 2.4 实验 | 第26-33页 |
| 2.4.1 模型设计 | 第26-27页 |
| 2.4.2 模型实现 | 第27-28页 |
| 2.4.3 实验设置 | 第28页 |
| 2.4.4 与基准模型的比较 | 第28-30页 |
| 2.4.5 与其他模型的比较 | 第30-33页 |
| 2.5 本章结论 | 第33-35页 |
| 第3章 基于递归卷积神经网络的场景标注 | 第35-46页 |
| 3.1 研究动机 | 第35-37页 |
| 3.2 相关工作 | 第37-38页 |
| 3.3 模型 | 第38-40页 |
| 3.3.1 递归卷积神经网络 | 第38页 |
| 3.3.2 多尺度递归卷积神经网络 | 第38-39页 |
| 3.3.3 像素方式训练和图像方式测试 | 第39-40页 |
| 3.4 实验 | 第40-45页 |
| 3.4.1 实验设置 | 第40-41页 |
| 3.4.2 模型分析 | 第41-43页 |
| 3.4.3 和其他模型的对比 | 第43-45页 |
| 3.5 本章结论 | 第45-46页 |
| 第4章 基于递归卷积神经网络的EEG信号识别 | 第46-55页 |
| 4.1 研究动机 | 第46-47页 |
| 4.2 EEG信号识别概述 | 第47-48页 |
| 4.3 任务设置 | 第48-50页 |
| 4.3.1 数据 | 第49页 |
| 4.3.2 衡量指标 | 第49-50页 |
| 4.4 方法 | 第50-52页 |
| 4.4.1 预处理 | 第50-51页 |
| 4.4.2 单模型 | 第51页 |
| 4.4.3 模型组合 | 第51-52页 |
| 4.5 实验结果 | 第52-54页 |
| 4.6 本章结论 | 第54-55页 |
| 第5章 视觉显著性的特征选择 | 第55-75页 |
| 5.1 研究动机 | 第55-56页 |
| 5.2 相关工作 | 第56-58页 |
| 5.2.1 显著性模型 | 第56-57页 |
| 5.2.2 特征选择 | 第57-58页 |
| 5.3 方法 | 第58-63页 |
| 5.3.1 基本流程 | 第58页 |
| 5.3.2 已有的候选特征 | 第58-60页 |
| 5.3.3 新的候选特征 | 第60-62页 |
| 5.3.4 特征选择方法 | 第62-63页 |
| 5.4 实验 | 第63-74页 |
| 5.4.1 实验设置 | 第63-64页 |
| 5.4.2 自由注视眼动预测的特征选择 | 第64-68页 |
| 5.4.3 最优特征集合 | 第68-72页 |
| 5.4.4 没有中心偏差情况下的特征选择 | 第72-73页 |
| 5.4.5 眼动预测和显著物体检测 | 第73-74页 |
| 5.5 本章结论 | 第74-75页 |
| 第6章 基于中高层特征的视觉注意力模型 | 第75-94页 |
| 6.1 研究动机 | 第75-77页 |
| 6.2 相关工作 | 第77-78页 |
| 6.3 基于中层特征的注意力模型 | 第78-82页 |
| 6.3.1 形状特征 | 第78-80页 |
| 6.3.2 颜色特征 | 第80-82页 |
| 6.3.3 显著图的组合 | 第82页 |
| 6.4 基于高层特征的注意力模型 | 第82-83页 |
| 6.5 实验 | 第83-92页 |
| 6.5.1 参数设置 | 第83页 |
| 6.5.2 合成图像 | 第83-86页 |
| 6.5.3 自由注视条件下的眼动预测 | 第86-91页 |
| 6.5.4 预测视频中的眼动 | 第91-92页 |
| 6.6 本章结论 | 第92-94页 |
| 第7章 总结与展望 | 第94-97页 |
| 7.1 全文总结 | 第94-95页 |
| 7.2 未来展望 | 第95-97页 |
| 参考文献 | 第97-107页 |
| 致谢 | 第107-109页 |
| 附录A 两个显著性特征之间冗余度量的计算方法 | 第109-111页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第111-112页 |
