A Model of Saliency-Based Visual Attention for Rapid Scene Analysis

Slides:



Advertisements
Ähnliche Präsentationen
Einführung in die Programmiersprache C/C++
Advertisements

Übung zu Farbquantitäten – Gelb – Violett
Bildverarbeitung in der Netzhaut
Geometrie von Objektoberflächen
TFT - Flachbildschirme
_____________________________ Einführung in die Bildbearbeitung Jucquois-Delpierre 1 Grundlagen Photoshop Ein zentraler Begriff bei Pixelgrafiken.
Erschließen von semantischen Referenzen mit Ontology-Reasoning-Werkzeugen Das Ziel dieser Masterarbeit war die Erweiterung des ORBI Systems um ein Inferenz-System.
Übersicht DIALIGN = DIagonal ALIGNment
Klicke Dich mit der linken Maustaste durch das Übungsprogramm!
Klicke Dich mit der linken Maustaste durch das Übungsprogramm!
Was ist laut Stevens die Beziehung zwischen dem akustischen Signal, distinktiven Merkmalen und dem Lexikon?
Farbwahrnehmung - Experimente
5. Beleuchtung und Schattierung
Statistical-dynamical methods for scale dependent model evaluation and short term precipitation forecasting (STAMPF / FU-Berlin) Zielsetzung von STAMPF:
Aufgaben zum Glücksrad
Pattern sensitivity Campbell & Robson (1968).
Form Analysis in Visual Cortex Rüdiger von der Heydt
Indoor Navigation Performance Analysis
Farbe.
Fernseher LCD- Bildschirme.
Erkennung von Gesichtsausdrücken anhand von Bildbewegungen (Irfan Essa & Alex Pentland) Hauptseminar Smart Environments Joachim Biggel
Thorsten Jost INF-M2 – AW1 – Sommersemester Mai 2008
Institut für Angewandte Mikroelektronik und Datentechnik Fachbereich Elektrotechnik und Informationstechnik, Universität Rostock Programmierung eingebetteter.
Uebung 03 Perceptron Training INPUTINPUT b OUTPUTOUTPUT w1w1 w2w2.
Special Effects Realistischeres Rendern einer Scene.
Die Farben im Logo MT-Rot [255,102,0] MT-Blau [0,51,204]
Seminar: Informationstechnik in der Medizin Universität Dortmund Fakultät für Elektrotechnik und Informationstechnik Lehrstuhl für Kommunikationstechnik.
Vorlesung: ANOVA II.
Die Ableitung im.
Fachkunde Quiz.
Best Fit Matching von Punktewolken
Grafik und Bildbearbeitung
Online -System des Projekts Tomáš Baxa. Inhalt der Präsentation Einzelne Teile des Websystems Registrierung und Anmeldung (Einloggen) im System Eingabe.
Abschlussvortrag zur Studienarbeit
Regionalisierte Variablen und Kriging
Globale Interpolations- und Prädiktionsverfahren
Basisinformationstechnologie I
Einführung in die Bildverarbeitung
Polynome und schnelle Fourier-Transformation
DIE FARBEN.
Geometrie : Rekonstruktion
Künstliches Neuronales Netz nach John Hopfield
Die FARBEN.
Methode der kleinsten Quadrate
Web-Quest deutsche Großstädte. Deutschland ist eines der größten und wichtigsten europäischen Länder. ( Bild: erde.com/europa/staaten/deutschland-karte.gif)
Das ABC der Statistik DIE SÄULENDIAGRAMME 1
Gegenseitige Lage von Geraden Schnittpunktberechnung
Mathematik: anschaulich + leicht verständlich = einprägsam
E-Funktion.
Beleuchtungsmodelle, Schattierungsmodelle
Was für Haare hat sie?.
SOTA Andrej Gisbrecht
Fourier-Analyse und technologische Anwendungen
Nichtlineare Fisher-Diskriminanzanalyse
Präsentation von Stephan Trautmann
Institut für Atmosphäre und Umwelt der J. W. Goethe-Universität Frankfurt/M. Arbeitsgruppe Klimaforschung C.-D. Schönwiese, T. Staeger und H. Steiner Analyse.
3 2 1 Rot:0; Grün: 128; Blau: 128 Schriftgröße: 32
Multimedia und Virtual Reality Vorlesung am Martin Kurze Multimedia in 3D.
The PicSOM Retrieval System 1 Christian Steinberg.
Geostatistik Kriging Sarah Böckmann.
Loch 1 PAR 4 Hcp 9 Bahnlängen Weiß: 326 Gelb:322 Blau: 285 Rot:
Farbige Feedbacks Fachbereich:Informatik Seminar: Hands on Mathematics for CS Dozenten: PD. Dr. Erika Melis, Martin Homik Referenten:Matthias Ghodstinat.
PCA Principal Component Analysis. Gliederung PCA – Warum eigentlich? PCA – Was ist zu tun? Was passiert eigentlich? Anwendungen Zusammenfassung.
Spärliche Kodierung von Videos natürlicher Szenen Vortragender: Christian Fischer.
Prognose von Zeitreihen Hans Nübel Hans Nübel Prognose von Zeitreihen Aufbau 1.Motivation 2.Holt-Winters-Verfahren 3.Prognose.
Independent Component Analysis: Analyse natürlicher Bilder Friedrich Rau.
D I E F A R B E N.
Welche Farbe? Die Haare sind lang und braun Die Mütze ist grün
Darstellung kontinuierlicher Phänomene
Es ist ein ORANGER KREIS
 Präsentation transkript:

A Model of Saliency-Based Visual Attention for Rapid Scene Analysis Hauptseminar Aufmerksamkeit und Objekterkennung SS 2000 - 15.05.2000 Rebecca Fay

Seminar Aufmerksamkeit & Objekterkennung Modell - Übersicht Seminar Aufmerksamkeit & Objekterkennung Rebecca Fay 15.05.2000 - SS 2000

Seminar Aufmerksamkeit & Objekterkennung Modell Vorgehensweise Getrenntes Betrachten der Eigenschaften Farbe, Intensität und Orientierung (Parallele Eigenschaftsextraktion) Erstellen von Eigenschaftskarten Erstellen von Gauss- bzw. Gaborpyramiden Bestimmung der Zentrums-Umgebungs-Differenzen Normalisierung Erstellen von Auffälligkeitskarten Kombinieren der Eigenschaftskarten Erstellen einer Salienzkarte Aufmerksamkeit entsprechend abnehmender Salienz verschieben Ziel Schnelles Bestimmen von herausragenden Punkten Beschleunigung der Szenen Analyse (Bildinterpretation) Seminar Aufmerksamkeit & Objekterkennung Rebecca Fay 15.05.2000 - SS 2000

Seminar Aufmerksamkeit & Objekterkennung Eigenschaften Farbe 4 Farben (rot, grün, blau, gelb) 3 ursprüngliche Farbkanäle (rot, grün, blau) Ableiten eines 4. Farbkanals (gelb) 2 Gegenfarbpaare (rot/grün, blau/gelb) Intensität (Helligkeit) Orientierung 4 Orientierungen (0°, 45°, 90°, 135°) Seminar Aufmerksamkeit & Objekterkennung Rebecca Fay 15.05.2000 - SS 2000

Seminar Aufmerksamkeit & Objekterkennung Lineare Filterung Vorgehensweise Verwenden von Gauss- bzw. Gaborfiltern Erstellen von neunstufigen Gauss- bzw. Gaborpyramiden Ergebnis 9 Pyramiden Ziel Glätten (Herausfiltern von Rauschen) Seminar Aufmerksamkeit & Objekterkennung Rebecca Fay 15.05.2000 - SS 2000

Zentrums-Umgebungs-Differenzen Vorgehensweise Bestimmung der Differenzen zwischen einzelnen Ebenen der Pyramiden zueinander Interpolieren der Bilder mit der gröberen Auflösung auf die Größe des zu vergleichenden Bildes Punktweises Subtrahieren Ziel Kontrastbestimmung (Für Punkte mit starkem Kontrast zu ihrer Umgebung entstehen große Differenzen) Seminar Aufmerksamkeit & Objekterkennung Rebecca Fay 15.05.2000 - SS 2000

Seminar Aufmerksamkeit & Objekterkennung Normalisierung Vorgehensweise Bestimmen des absoluten Maximums M der betrachteten Karte Normalisierung (Abbildung des Wertebereichs der Karte auf das Intervall [0..M]) Bestimmen der lokalen Maxima mi Bilden des Mittelwerts der lokalen Maxima mi (ohne Berücksichtigung des absolute Maximums M) Multiplizieren der Karte mit der quadrierten Differenz des absoluten Maximums und des Mittelwertes Ziel Vergleichbarkeit der unterschiedlichen Karten Stärkere Gewichtung von Karten mit aufmerksamkeitserzeugendem Kontrast Seminar Aufmerksamkeit & Objekterkennung Rebecca Fay 15.05.2000 - SS 2000

Seminar Aufmerksamkeit & Objekterkennung Normalisierung Seminar Aufmerksamkeit & Objekterkennung Rebecca Fay 15.05.2000 - SS 2000

Seminar Aufmerksamkeit & Objekterkennung Eigenschaftskarten Vorgehensweise Bestimmen der Zentrums-Umgebungs-Differenz Normalisierung Ergebnis 42 Eigenschaftskarten Ziel Verteilung von Zentrums-Umgebungs-Kontrasten bei unterschiedlichen Auflösungsstufen für die einzelnen Eigenschaften Seminar Aufmerksamkeit & Objekterkennung Rebecca Fay 15.05.2000 - SS 2000

Auffälligkeitskarten Vorgehensweise Reduzieren aller Eigenschaftskarten auf die Auflösung 1:16 Addieren der Eigenschaftskarten Normalisierung Ergebnis 3 Auffälligkeitskarten Farbe Intensität Orientierung Ziel Auffälligkeitsverteilung getrennt nach Eigenschaften Seminar Aufmerksamkeit & Objekterkennung Rebecca Fay 15.05.2000 - SS 2000

Seminar Aufmerksamkeit & Objekterkennung Salienzkarte Vorgehensweise Kombinieren der Auffälligkeitskarten Ziel Salienzverteilung (welchen Kontrast zu ihrer Umgebung weisen die einzelnen Bildbereiche auf?) Seminar Aufmerksamkeit & Objekterkennung Rebecca Fay 15.05.2000 - SS 2000

Aufmerksamkeitsverschiebung Vorgehensweise Neuronales „winner-take-all“ Netzwerk Richten der Aufmerksamkeit auf den Punkt, für den die größte Salienz berechnet wurde Dieser Punkt weist hinsichtlich Farbe, Intensität oder Orientierung den größten Kontrast zur Umgebung auf. Inhibition of Return Hemmen der Neuronen, die dieser Stelle zugeordnet sind Ziel Verhindern, daß die Aufmerksamkeit mehrmals auf den selben Punkt gerichtet wird Verschiebung der Aufmerksamkeit entsprechend abnehmender Salienz Seminar Aufmerksamkeit & Objekterkennung Rebecca Fay 15.05.2000 - SS 2000

Beispiel 1a - Eingabe + Ergebniskarten Seminar Aufmerksamkeit & Objekterkennung Rebecca Fay 15.05.2000 - SS 2000

Beispiel 1b - Focus of Attention Seminar Aufmerksamkeit & Objekterkennung Rebecca Fay 15.05.2000 - SS 2000

Beispiel 2 - Eingabe + Salienzkarten a) Eingabe: Farbbilder b) Ergebnis: Salienz-Karten Seminar Aufmerksamkeit & Objekterkennung Rebecca Fay 15.05.2000 - SS 2000

Seminar Aufmerksamkeit & Objekterkennung Referenz IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 20, No. 11, November 1998 - Laurent Itti, Christof Koch, Ernst Niebur http://www.klab.caltech.edu/~itti/attention/publications/98_PAMI/pami_final.html Seminar Aufmerksamkeit & Objekterkennung Rebecca Fay 15.05.2000 - SS 2000