导读:本文包含了视觉关注度论文开题报告文献综述及选题提纲参考文献，主要关键词:视觉场景理解,注意力模型,编码-解码框架,拷贝机制
视觉关注度论文文献综述
王星[1]（2019）在《基于多关注度模型与拷贝机制的视觉场景理解方法研究》一文中研究指出多领域交叉学习趋势日益增强,趋向于实用化的研究日益增多。其中,最受学者关注的一项研究是在辅助医疗、辅助教育等领域存在巨大潜力的视觉场景理解技术。目前,对于视觉场景理解任务已经开展了大量研究,而基于深度学习的视觉场景理解模型是目前研究的重点。该模型引入机器翻译相关思想,并引入了编码-解码框架,它不仅改变了基于目标检测的传统模型,还将视觉场景理解任务转化为端到端的“翻译”任务;随后向视觉场景理解任务中引入机器翻译另一重要模型——注意力模型,该模型通过在不同时刻,对同一组特征图谱的不同区域进行重要程度打分,并使用打分结果的高低决定下一关注位置。但是在实际应用中系统或用户所要面对的对象和场景是变化的、不可预知的,而现有数据集纵使包含多种对象类别和应用场景也不能改变描述性能受限于数据集与语言模型的现状。若从扩充数据集入手解决这个问题不仅极为困难,而且也会带来过度的研究损耗。因此,为了提高视觉场景理解模型的泛化能力和鲁棒性,本文从多特征融合与多模型联合两种角度提出了两种视觉场景理解模型的改进方案。(1)针对传统的视觉场景理解模型在编码阶段使用最后一层卷积层特征编码上下文向量而引起的图像语义缺失,图像关注位置定位不准确等问题,提出了基于多注意力机制的视觉场景理解模型。该模型主要考虑了注意力机制在不同时刻对同一特征图谱的不同区域具有不同注意力的特性,将空间注意力模型和语义注意力模型引入视觉场景理解任务,并从隐藏层和特征通道两方面入手以提高对象定位准确度;另外,本模型借鉴目标检测中使用多层特征来提高模型性能的经验将多层特征融合技术加入到视觉场景理解模型中,并使用新生成的特征图谱编码上下文向量。实验结果表明,改进后的网络模型不仅解决了图像关注位置不准确的问题,还提高了描述准确度。(2)传统视觉场景理解模型在相继增加编码-解码框架、注意力机制后已取得突破性进展,但描述性能过分依赖于训练数据集和语言模型的问题依然没有解决。针对此问题,本文提出基于正则化与拷贝机制的视觉场景理解模型。该模型首先借鉴人们交流中往往会“拷贝”对方话语中的词汇或长短语来完成对话,因此在本模型中考虑增加一个称为拷贝机制的辅助网络来实现图像内容向描述结果的拷贝。另外,为了保证解码过程中图像信息的完整性引入正则化机制,该机制可以通过重构上一时刻的隐藏状态来激励当前隐层获得更完整的图像信息,并对LSTM网络起到正则作用。随后,通过在Flickr30K和MSCOCO数据集上的实验对该模型进行充分了验证,并证明该模型有效的解决了描述泛化能力不强等问题。(本文来源于《西安邮电大学》期刊2019-05-01）
王咏梅,杜宝江[2]（2018）在《模型的视觉关注度简化方法与轻量化装配技术》一文中研究指出提出了模型的视觉关注度简化方法与轻量化装配技术,建立了从最精确到空模型的6级标准件模型特征库。通过对设计人员视觉、装配结构体、运动链关联的分析,给出了装配部件上的标准件模型动态精细度层级的计算方法,实现了自动切换不同精细度模型的轻量化装配功能,并在飞机设计中应用,有效地提高了设计效率。(本文来源于《中国机械工程》期刊2018年06期）
李靖波[3]（2017）在《基于纹理特性与视觉关注度的HEVC优化研究》一文中研究指出随着网络的发展与视频应用的普及,用户对视频质量的要求越来越高,高质量的视频需要大量数据描述画面细节,导致视频数据量激增。高性能视频编码(High Efficiency Video Coding,HEVC)是面向高分辨率视频的新一代编码标准,其核心目标是在H.264/AVC High Profile的基础上,将视频压缩效率提高一倍。但压缩效率提高的同时也带来了较高的计算复杂度与较长的编码时间,严重影响了HEVC的推广与应用。在视频中,物体的纹理通过局部区域像素的排列与变化来表现,通常呈缓慢或周期性变化,具有一定的规律性。HEVC以编码单元(Coding Unit,CU)为基本单位对图像进行编码,将纹理简单区域划分为低深度级别的大尺寸CU,将纹理复杂区域划分为高深度级别的小尺寸CU,对纹理相似的区域CU深度划分相近。但CU划分算法计算复杂度高,成为制约HEVC性能的主要因素之一。所以,在HEVC中考虑视频的纹理特性可以预测CU划分深度,降低编码计算复杂度,有效减少编码时间。另一方面,眼睛是各种视频信号的最终受体,视频质量也可以说是人眼对视频感知的主观质量。人类视觉系统并非平等地关注视频中所有区域,在视频编码中根据视觉对图像区域关注度的不同调整码率资源分配,可有效去除视觉冗余,提升压缩性能。因此,基于纹理特性与视觉关注度的HEVC优化研究能够有效提高HEVC编码性能,具有重要的理论意义和广阔的应用价值。首先在深入研究CU划分原理的基础上,提出一种基于Canny算子的CU快速划分算法,使CU提前进入子划分,降低编码复杂度,加快编码过程。然后根据人眼感知特性建立视觉关注度模型,计算当前最大编码单元(Largest Coding Unit,LCU)关注度,调节不同关注度区域的码率资源分配,实现自适应编码压缩,提高整体压缩比。本文的主要研究内容包括以下叁个方面:(1)研究CU初始深度预测算法,优化CU划分。首先研究CU划分深度与其邻域及参考帧相同位置CU深度的相关性,推导出CU初始深度与纹理分布的数学关系;然后利用Canny分割算子边缘定位精度高、连续性良好等优点,分割关键帧的纹理区域,并判断纹理在当前CU与邻域中分布关系;最后根据纹理分布情况预测CU初始深度,简化CU划分递归过程,降低编码复杂度,加快编码过程。(2)模拟人类视觉系统的选择性注意机制建立关注度模型。根据视觉感知特性引入运动性因子、纹理复杂度因子、对比度因子与亮度因子建立视觉关注度模型。为保证编码效率,采用计算复杂度低、鲁棒性强的灰度投影法计算运动性因子,基于亮度分布情况计算纹理复杂度因子,采用像素四近邻算法计算对比度因子,采用编码单元四近邻算法计算亮度因子。(3)根据CU关注度的不同,调整码率资源分配,实现自适应编码压缩。根据人眼更加关注结构性失真而非像素点失真的特点,对高关注度LCU使用构建的结构相似性失真优化算法而非传统的误差平方和算法,对低关注度LCU利用关注度修正拉格朗日因子,实现对低关注度区域粗量化,达到提高压缩比,减少码率的效果。(本文来源于《兰州理工大学》期刊2017-04-16）
周计武,闵学勤[4]（2014）在《先锋艺术的视觉表征与公众的关注度——基于南京市民的问卷调查》一文中研究指出由于文化市场体制的不完善,面对意识形态主导的主旋律文化与商业化主导的大众视觉文化的双重夹击,先锋艺术在视觉呈现上往往会采用一些极端的表征策略。这些视觉表征给公众带来了鲜明的视觉冲击力和"震惊"感。调查结果显示,教育水平较高的年轻人更倾向于接受和肯定先锋艺术的正面价值,把它视为一种令人震撼的视觉创新。不过,先锋艺术因其小众、激进、晦涩的特点,公众的关注度并不高。大多数人接触先锋艺术的频率很低,对于先锋艺术作品只停留在"看"、猎奇,甚至无所谓的程度。这从反面证明,先锋艺术注定是一种孤寂的艺术表达,一种具有批判意识的小众化艺术形式。(本文来源于《艺术百家》期刊2014年06期）
朱坤[5]（2014）在《视觉营销策略下服装橱窗的构成体系及受关注度关系分析》一文中研究指出服装品牌和服装效应在服装行业的发展中起着重要作用,服装橱窗是展示、宣传服装的窗口,其构成体系和受关注度是服装影响视觉销售的两大因素,因此对服装橱窗的良好设及有助于吸引顾客的注意力,引起购买欲望。本论文立足于视觉销售策略在服装橱窗展示中的作用,重点分析了视觉营销策略下服装橱窗的构成体系及受关注度关系。(本文来源于《门窗》期刊2014年01期）
张艳,安平,张秋闻,张兆杨[6]（2012）在《视觉关注度的立体图像质量评价》一文中研究指出立体图像质量评价对立体视频技术的发展起着非常重要的作用。常用的PSNR(峰值信噪比)方法不能反映人类视觉感知特性,也不能直接应用到立体图像质量评价中。针对人类视觉对立体图像深度感知和重点关注感兴趣区的特点,提出基于纹理图和深度图感兴趣区的质量评价方法。首先对纹理图和对应的深度图利用视觉关注度提取工具提取感兴趣区,然后在评价的过程中对各感兴趣区根据感兴趣程度分配基于像素的权重系数,最后将权重系数应用在立体图像的各个区域中进行评价。实验结果表明该方法得到的立体图像质量客观评价结果与主观评价结果之间具有更好的一致性,符合人眼视觉系统感知特性。(本文来源于《中国图象图形学报》期刊2012年06期）
王云仪,王敏,范德志[7]（2009）在《服装视觉营销中橱窗构成与受众关注度关系研究》一文中研究指出在服装视觉营销的框架下,通过理论研究与实际调研,建立服饰橱窗构成要素体系,利用问卷调研结合层次分析法,确定橱窗构成要素受关注的权重分布.得出服装商品的受众关注度高于相关道具;服装商品部分,相对于陈列方法受众更关注商品元素;相关道具部分,受众最关注陈列布置等诸多结论.研究目的在于为企业选择构成要素进行橱窗展示,优化橱窗设计提供一定的思路和依据.(本文来源于《西南师范大学学报(自然科学版)》期刊2009年02期）
阮若林,胡瑞敏[8]（2009）在《基于视觉关注度的无线视频帧内刷新算法》一文中研究指出针对人眼对图像不同区域的关注度存在的差异,本文提出了基于人眼视觉关注度的率失真优化帧内宏块刷新算法,该算法采用端到端的全局率失真理论,对图像中关注度不同的区域采用不同的处理方式,使高关注度区域的宏块能得到更及时的帧内刷新。由于受到码率的限制,必须对不同区域采用不同的码率分配机制。最后,在JVT的JM12.2平台上实现该算法。大量实验结果表明,与传统的基于率失真优化的帧内刷新算法相比,基于视觉关注度的率失真优化帧内刷新算法在高关注度区域能够取得更好的主观质量,并且在保证关注度区域主观质量的同时整个码率有所降低,因此非常适合无线网络上的视频传输。(本文来源于《中国通信》期刊2009年02期）
王敏,范德志,王云仪[9]（2009）在《服装视觉营销中橱窗构成对受众关注度的影响研究》一文中研究指出以服饰橱窗构成要素对橱窗受众关注度的影响为研究对象,通过网上问卷调查结合两因素混合设计的方差分析,分别检验了橱窗模特、背景颜色、品牌标识等构成要素对受众关注度的影响,以及专业人士和非专业人士的看法是否存在差异,最后通过实地考察对结论进行验证,研究结果表明:橱窗构成要素对橱窗受众关注度有重要影响。(本文来源于《纺织科技进展》期刊2009年01期）
范德志[10]（2007）在《服装视觉营销中橱窗构成与受众关注度关系的研究》一文中研究指出服饰行业的全球市场一体化和科技的发展使得产品的同质化日益明显。同时，随着经济的发展和消费者需求层次的提高，消费形态已经由以产品为主的“产品导向”转变为以消费者为主的“消费者导向”。在此背景下，为了与同类产品形成差异，并唤起消费者注意，服装企业必须改变竞争策略，注重视觉营销进行市场竞争，形成竞争力。服装零售中视觉营销的方法主要有橱窗展示、室外展示、室内展示和远距离展示。橱窗展示是吸引受众关注，并引导他们进店浏览、购物的第一步，也是表现视觉营销水平的主要方面。因此，研究橱窗构成与受众关注度的关系有着十分重要的意义。本文在视觉营销的框架下，把橱窗构成与受众关注度结合起来进行研究，主要包括以下4个方面的内容：1．根据受众视觉流程原理，结合众多专家和学者的橱窗构成论述，确立4层次的服饰橱窗构成。2．在服饰橱窗构成的基础上，通过问卷调研的形式，研究橱窗构成及其与受众关注度之间的关系，利用层次分析法，确定橱窗构成因素受关注的权重关系，并得出受众最关注的服装商品元素是服装的款式，最关注的功能性道具是人台，最关注的背景形式是敞开式等。3．用平实手法实地拍摄橱窗照片，根据研究内容对橱窗照片进行修改，确立橱窗照片样本。并通过网上调研的形式，利用SPSS13．0统计分析软件，采用两因素混合设计的方差分析，分别检验橱窗品牌名、橱窗人台、橱窗背景照片、橱窗背景颜色对受众关注度的影响，并且进一步检验专业人士与非专业人士的看法是否存在差异，得出橱窗有品牌名和橱窗无品牌名对受众关注度有显着影响，受众更喜欢橱窗有品牌名，更愿意进店浏览，专业人士与非专业人士对橱窗有无品牌名的看法没有显着性差异等。4．实地观察研究，采用全数调查来观察受众进店率、逗留时间和购买率，实证橱窗构成因素对受众关注度的影响，寻找橱窗展示与受众购物之间的关系，得出选择受众关注的构成因素进行橱窗展示，可以提高受众进店率，促进购买。橱窗构成与受众关注度关系的研究，对橱窗展示设计和调整都有现实的参考和指导作用，有利于服装企业有效利用时间资源和财务资源。(本文来源于《东华大学》期刊2007-01-01）
视觉关注度论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
提出了模型的视觉关注度简化方法与轻量化装配技术,建立了从最精确到空模型的6级标准件模型特征库。通过对设计人员视觉、装配结构体、运动链关联的分析,给出了装配部件上的标准件模型动态精细度层级的计算方法,实现了自动切换不同精细度模型的轻量化装配功能,并在飞机设计中应用,有效地提高了设计效率。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
视觉关注度论文参考文献
[1].王星.基于多关注度模型与拷贝机制的视觉场景理解方法研究[D].西安邮电大学.2019
[2].王咏梅,杜宝江.模型的视觉关注度简化方法与轻量化装配技术[J].中国机械工程.2018
[3].李靖波.基于纹理特性与视觉关注度的HEVC优化研究[D].兰州理工大学.2017
[4].周计武,闵学勤.先锋艺术的视觉表征与公众的关注度——基于南京市民的问卷调查[J].艺术百家.2014
[5].朱坤.视觉营销策略下服装橱窗的构成体系及受关注度关系分析[J].门窗.2014
[6].张艳,安平,张秋闻,张兆杨.视觉关注度的立体图像质量评价[J].中国图象图形学报.2012
[7].王云仪,王敏,范德志.服装视觉营销中橱窗构成与受众关注度关系研究[J].西南师范大学学报(自然科学版).2009
[8].阮若林,胡瑞敏.基于视觉关注度的无线视频帧内刷新算法[J].中国通信.2009
[9].王敏,范德志,王云仪.服装视觉营销中橱窗构成对受众关注度的影响研究[J].纺织科技进展.2009
[10].范德志.服装视觉营销中橱窗构成与受众关注度关系的研究[D].东华大学.2007