项目名称: 基于视觉注意机制的迷彩伪装评价模型和检测方法研究

项目编号: No.61472115

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 计算机科学学科

项目作者: 薛峰

作者单位: 合肥工业大学

项目金额: 82万元

中文摘要: 迷彩伪装在军事作战中具有重要的应用价值,研究迷彩伪装效果的评价模型和检测方法具有重要的理论意义和应用前景。本课题将人类视觉注意机制引入迷彩的评价和检测研究,旨在建立科学、有效的迷彩评价模型和检测方法。为此,(1)首先探索研究人类视觉注意机制的生物学原理,揭示探索人眼对迷彩图案的显著性感知和迷彩图案识别的内在关系,建立数码迷彩的评价理论模型;(2)然后,深入分析数码迷彩的本质特征,采用基于深度机器学习方法挖掘可以刻画迷彩纹理本质特征的高级抽象特征;(3)基于人类自底向上的视觉注意模型,研究基于多任务学习特征融合算法的迷彩目标评价模型,并创新性地提出从显著特征出发,研究优质迷彩模式挖掘推荐;(4)最后,借鉴人眼从顶向下的目标搜索机制,研究基于隐马尔科夫模型的迷彩目标检测方法。

中文关键词: 数码迷彩;视觉注意机制;评价模型

英文摘要: Camouflage is becoming more and more useful in military application, and it has important theoretical significance and application prospects to establish evaluation model and detection method for camouflage. Based on human vision mechanism, we attempt to build a scientific and effective evaluation model, and propose a fast camouflage detection method. To make this come true, (1)Firstly, we do research on biological principle of focus mechanism of human vision, and explore the essential relation between saliency of camouflage and identification mechanism of camouflages to build the evaluation model of digital camouflage. (2)Secondly, based on the in-depth analysis of the essential characteristics of digital camouflage,we propose a novel Deep Learning algorithm to automatically train these features that have good desciption ability for the camouflages, which are called High Level and Abstract Feature.(3) Thirdly,based on Bottom-Up focus attention theory, we propose a novel camouflage evaluation model based on the multi-task feature learning.Moreover, we can do camouflage pattern recommendation by using the dictionary learning, which can be useful for camouflage designing. (4)Finally, with the help of target searching mechanism of human eyes, we propose an effective camouflaged target detection algorithm via HMM.

英文关键词: digital camouflage;human visual mechanism;evaluation model

成为VIP会员查看完整内容
1

相关内容

视觉深度伪造检测技术综述
专知会员服务
34+阅读 · 2022年1月28日
专知会员服务
91+阅读 · 2021年8月29日
专知会员服务
35+阅读 · 2021年8月27日
专知会员服务
32+阅读 · 2021年6月18日
专知会员服务
44+阅读 · 2021年4月15日
最新《域自适应视觉应用》ECCV2020教程,43页PPT
专知会员服务
25+阅读 · 2020年11月5日
深度学习目标检测方法综述
专知会员服务
273+阅读 · 2020年8月1日
AAAI 2022 | 全身涂装式对抗纹理迷彩生成框架FCA
PaperWeekly
1+阅读 · 2022年4月2日
详解基于深度学习的伪装目标检测
极市平台
2+阅读 · 2022年1月24日
MM2020 | 基于对抗学习的个性化标签推荐
机器学习与推荐算法
0+阅读 · 2021年10月18日
微信AI的高性能检测器,让识图更精准
微信AI
0+阅读 · 2021年4月22日
CVPR2019教程《胶囊网络(Capsule Networks)综述》,附93页PPT
GAN生成式对抗网络
29+阅读 · 2019年6月21日
综述 | 近5年基于深度学习的目标检测算法
计算机视觉life
38+阅读 · 2019年4月18日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
5+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
4+阅读 · 2013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
0+阅读 · 2012年12月31日
国家自然科学基金
1+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 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
1+阅读 · 2022年4月15日
Arxiv
16+阅读 · 2021年11月27日
Deep Learning in Video Multi-Object Tracking: A Survey
Arxiv
57+阅读 · 2019年7月31日
Object Detection in 20 Years: A Survey
Arxiv
48+阅读 · 2019年5月13日
小贴士
相关VIP内容
视觉深度伪造检测技术综述
专知会员服务
34+阅读 · 2022年1月28日
专知会员服务
91+阅读 · 2021年8月29日
专知会员服务
35+阅读 · 2021年8月27日
专知会员服务
32+阅读 · 2021年6月18日
专知会员服务
44+阅读 · 2021年4月15日
最新《域自适应视觉应用》ECCV2020教程,43页PPT
专知会员服务
25+阅读 · 2020年11月5日
深度学习目标检测方法综述
专知会员服务
273+阅读 · 2020年8月1日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
5+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
4+阅读 · 2013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
0+阅读 · 2012年12月31日
国家自然科学基金
1+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 · 2008年12月31日
微信扫码咨询专知VIP会员