VOCUS: A Visual Attention System for Object Detection and Goal-Directed Search

تشخیص و تشخیص اشیاء موضوعی است که در بینایی کامپیوتر و ربات مورد توجه قرار می گیرد. در بیشتر کاربردهای بینایی محاسباتی، به عنوان مثال، سیستم‌های بیومتریک، تصویربرداری پزشکی، خودروهای هوشمند، اتوماسیون کارخانه‌ها و پایگاه‌های داده تصویر مورد نیاز است.

یکی از چالش‌های اصلی در طراحی سیستم‌های تشخیص اشیا، ساخت روش‌ها است. که سریع و قادر به کار بر روی پلت فرم های کامپیوتری استاندارد هستند. هرچه چنین سیستم‌هایی توسعه‌یافته‌تر شوند، نیاز به یک سیستم پیش‌گزینی ضروری‌تر می‌شود که پردازش بعدی را قادر می‌سازد فقط بر روی داده‌های مرتبط تمرکز کند. یک مکانیسم برای دستیابی به این امر، توجه بصری است: مناطقی را در یک صحنه بصری انتخاب می کند که به احتمال زیاد حاوی اشیاء مورد علاقه هستند. حوزه توجه بصری در حال حاضر کانون تحقیقات زیادی برای سیستم‌های بیولوژیکی و مصنوعی است.

این تک‌نگاره یک سیستم محاسباتی کامل برای توجه بصری و تشخیص اشیا ارائه می‌کند: VOCUS (تشخیص شی بصری با سیستم توجه محاسباتی). ) سیستمی است که قادر به انتخاب خودکار مناطق مورد نظر در تصاویر و شناسایی اشیاء خاص است. این یک گام بزرگ رو به جلو در ادغام اطلاعات مبتنی بر داده و مدل محور در یک چارچوب واحد است. علاوه بر این، این جلد شامل بررسی گسترده ای از ادبیات توجه بصری، ارزیابی دقیق VOCUS در تنظیمات مختلف، و کاربردهای سیستم در زمینه تشخیص اشیا و روباتیک است.

Object detection and recognition is a topic of significant interest in computer and robot vision. It is required in most applications of computational vision, for example, biometric systems, medical imaging, intelligent cars, factory automation, and image databases.

One of the major challenges in designing object recognition systems is to construct methods that are fast and capable of operating on standard computer platforms. The more developed such systems become, the more urgent becomes the need for a pre-selection system that enables subsequent processing to focus only on relevant data. One mechanism to achieve this is visual attention: it selects regions in a visual scene that are most likely to contain objects of interest. The field of visual attention is currently the focus of much research for both biological and artificial systems.

This monograph presents a complete computational system for visual attention and object detection: VOCUS (Visual Object detection with a CompUtational attention System) is a system capable of automatically selecting regions of interest in images and detecting specific objects. It represents a major step forward on integrating data-driven and model-driven information into a single framework. Additionally, the volume contains an extensive review of the literature on visual attention, detailed evaluations of VOCUS in different settings, and applications of the system in the context of object recognition and robotics.