项目名称: 多目标视觉追踪中注意分配的认知神经机制研究

项目编号: No.31271083

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 医药、卫生

项目作者: 张学民

作者单位: 北京师范大学

项目金额: 59万元

中文摘要: 本研究基于国内外多目标追踪的最新研究进展,系统探讨多目标追踪中目标和非目标上注意分配的认知机制,并将认知行为实验技术与事件相关电位技术(ERP)相结合,探讨多目标追踪中注意分配的认知与认知神经机制。主要研究内容包括:(1)采用多目标追踪与点探测任务相结合的双任务实验范式,探讨多目标追踪中非目标抑制机制发生的时间进程、认知神经机制及其影响因素(如物体运动形式、眼动变化、追踪对象是否超出注意容量等);(2)采用3D编程技术模拟三维立体多目标追踪任务,突破二维平面空间的限制,探讨三维空间立体物体多目标追踪中注意资源分配的加工机制;(3)关注多目标追踪表现的个体差异,通过设计精细的高低表现组的对照实验,探讨多目标追踪任务中高表现者和低表现者注意资源分配的认知机制与认知神经机制上的差异;并通过自适应训练研究,探讨低表现者训练前后在注意分配的神经机制上的差异,以揭示多目标追踪的注意加工及其神经机制。

中文关键词: 多目标追踪;注意资源分配;特殊群体;事件相关电位;功能磁共振

英文摘要: Based on reviews on recently studies of MOT at home and abroad, the research aimed to investigate the cognitive mechanism of attention distribution to target objects and non-target objects; and the research would further the research of cognitive-neural mechanism of attention distribution in MOT by combination of cognitive methods and ERP. There are three parts: (1) to demonstrate the temporal course and cognitive-neural mechanism and factors influenced the inhibition of non-target objects by combining MOT and dot probe task, such as objects moving pattern, changes of eye movement, attentional capacity etc. (2) using simulated three-dimension MOT task, which gets rid of the limits of two-dimension space to probe into the distribution processes of attentional resources in MOT task. (3) by designing well-controlled higher-lower performance participants groups to investigate the differences of the distribution processes of attentional resources and cognitive-neural mechanism between two groups; and using self-controlling training program to find out the difference of the lower performance groups' distribution processes of attentional resources between before training and after training, which would further demonstrate the distribution processes and neural mechanism of MOT.

英文关键词: multiple object tracking(MOT);attentional resource distribution;special group;event-related potential(ERP);functional magnatic resonance technique(fMRI)

成为VIP会员查看完整内容
1

相关内容

多目标跟踪,即Multiple Object Tracking(MOT),主要任务中是给定一个图像序列,找到图像序列中运动的物体,并将不同帧的运动物体进行识别,也就是给定一个确定准确的id,当然这些物体可以是任意的,如行人、车辆、各种动物等等,而最多的研究是行人跟踪,由于人是一个非刚体的目标,且实际应用中行人检测跟踪更具有商业价值。
《深度学习中神经注意力模型》综述论文
专知会员服务
112+阅读 · 2021年12月15日
【博士论文】视觉语言交互中的视觉推理研究
专知会员服务
61+阅读 · 2021年12月1日
专知会员服务
37+阅读 · 2021年5月29日
专知会员服务
66+阅读 · 2021年5月21日
智源发布!《人工智能的认知神经基础白皮书》,55页pdf
【NeurIPS 2020】视觉注意力神经编码
专知会员服务
40+阅读 · 2020年10月4日
迁移学习简明教程,11页ppt
专知会员服务
107+阅读 · 2020年8月4日
自动化所团队揭示多尺度动态编码,助力脉冲网络实现高效强化学习
中国科学院自动化研究所
0+阅读 · 2021年12月13日
【干货】人类海马体精细亚区加工工作记忆的神经动力学机制
中国图象图形学学会CSIG
0+阅读 · 2021年12月8日
计算机视觉方向简介 | 多视角立体视觉MVS
计算机视觉life
14+阅读 · 2019年10月10日
弱监督视觉理解笔记(VALSE2019)
极市平台
27+阅读 · 2019年4月23日
何晖光:多模态情绪识别及跨被试迁移学习
深度学习大讲堂
55+阅读 · 2019年4月23日
【学科发展报告】计算机视觉
中国自动化学会
42+阅读 · 2018年10月12日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月14日
Arxiv
31+阅读 · 2021年3月29日
Arxiv
10+阅读 · 2020年11月26日
Arxiv
20+阅读 · 2020年6月8日
小贴士
相关VIP内容
《深度学习中神经注意力模型》综述论文
专知会员服务
112+阅读 · 2021年12月15日
【博士论文】视觉语言交互中的视觉推理研究
专知会员服务
61+阅读 · 2021年12月1日
专知会员服务
37+阅读 · 2021年5月29日
专知会员服务
66+阅读 · 2021年5月21日
智源发布!《人工智能的认知神经基础白皮书》,55页pdf
【NeurIPS 2020】视觉注意力神经编码
专知会员服务
40+阅读 · 2020年10月4日
迁移学习简明教程,11页ppt
专知会员服务
107+阅读 · 2020年8月4日
相关资讯
自动化所团队揭示多尺度动态编码,助力脉冲网络实现高效强化学习
中国科学院自动化研究所
0+阅读 · 2021年12月13日
【干货】人类海马体精细亚区加工工作记忆的神经动力学机制
中国图象图形学学会CSIG
0+阅读 · 2021年12月8日
计算机视觉方向简介 | 多视角立体视觉MVS
计算机视觉life
14+阅读 · 2019年10月10日
弱监督视觉理解笔记(VALSE2019)
极市平台
27+阅读 · 2019年4月23日
何晖光:多模态情绪识别及跨被试迁移学习
深度学习大讲堂
55+阅读 · 2019年4月23日
【学科发展报告】计算机视觉
中国自动化学会
42+阅读 · 2018年10月12日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员