• 인지과학
• /
• 제19권2호
• /
• pp.125-142
• /
• 2008

본 연구는 공간-기반 주의(space-based attention)와 대상-기반 주의(object-based attention)가 공간 및 시각 작업기억에 미치는 영향을 살펴보고자 두 가지 주의 자원 양상이 모두 관여하는 공간 스트룹 과제를 이용하여 작업기억의 재인율을 측정하였다. 작업기억과 공간 스트룹 과제의 자극 배열의 유사성 조건은 작업기억 과제 수행 시 공간 시연에 미치는 공간-기반 주의의 영향을 살펴보고자 구성되었으며, 스트룹 조건은 작업기억 과제 수행시 대상에 대한 시연에 미치는 대상-기반 주의의 영향을 살펴보고자 하였다. 그 결과, 공간 작업기억과 공간 스트룹 과제의 자극 배열의 유사성이 높은 조건에서 공간 작업기억의 재인율이 높은 것으로 나타났으며, 스트룹 조건에 따라서는 차이가 없는 것으로 나타났다. 반면, 시각 작업기억의 재인율은 스트룹 일치조건보다 불일치조건에서 더 저조한 것으로 나타났으며, 유사성 조건에 따라서는 차이가 없는 것으로 나타났다. 이러한 결과는 작업기억에서 요구되는 자원의 양상과 선택적 주의 자원의 양상이 동일한 경우에만 선택적 주의가 작업기억에 영향을 준다는 것을 시사하는 것이다.

• 전자공학회논문지C
• /
• 제34C권4호
• /
• pp.36-44
• /
• 1997

An efficient context-free multiple-object segmentation using attention operator based on modified generalized symmetry transform is proposed and implemented by modifying a radial basis function network. By using the difference of intensity gradient, instead of te intensity gradient itself, in generalized symmetry tranform so as to make the attention operator to preserve the edges of the objects shape, an efficient context-free multiple-object segementation is proposed in which no a priori shape informtion on the objects is requried. The attention operator is implemented by using a modified radial basis function network which can reflect symmetry, and by using te edge pyramid of the input image, both of the local and the global symmetry of the objects are reflected simultaneously to make the multiple-object with different sizes be segmented with a singel fixed-size $n\timesm$ can be done with O(n) complexity. The simulaton results show that the proposed algorithm can efficiently be used in context-free multiple-object segmentation even for the low contrast IR images as well as for the images from the camera.

• 한국군사과학기술학회지
• /
• 제25권4호
• /
• pp.381-389
• /
• 2022

Detecting partially occluded objects is difficult due to the appearances and shapes of occluders are highly variable. These variabilities lead to challenges of localizing accurate bounding box or classifying objects with visible object parts. To address these problems, we propose a two-stage part-based attention approach for robust object detection under partial occlusion. First, our part attention network(PAN) captures the important object parts and then it is used to generate weighted object features. Based on the weighted features, the re-weighted object features are produced by our reinforced PAN(RPAN). Experiments are performed on our collected military vehicle dataset and synthetic occlusion dataset. Our method outperforms the baselines and demonstrates the robustness of detecting objects under partial occlusion.

• 전자공학회논문지SC
• /
• 제44권1호
• /
• pp.50-58
• /
• 2007

본 논문에서는 로봇이 태스크와 관련된 부분에 시각 집중을 하도록 하기 위해서 기존의 상향식 주목 알고리즘을 확장한 질의 기반 시각 집중 알고리즘을 제안한다. 질의 기반 시각 집중 알고리즘은 로봇이 수행 할 태스크와 관련한 물체를 질의하면 그 물체의 속성을 분석하여 여러 종류의 도드라짐(Conspicuity) 영상 지도에 적용될 가중치 값을 작성한다. 그리고 가중치를 이용하여 도드라짐 영상 지도를을 합성한 Saliency 영상 지도를 작성하여 기존의 주목 알고리즘과 비교 평가를 수행하였다. 여기서는 일예로서 질의 물체의 속성을 색으로 사용하였다.

• Journal of Information Processing Systems
• /
• 제9권4호
• /
• pp.592-601
• /
• 2013

Object segmentation is a challenging task in image processing and computer vision. In this paper, we present a visual attention based segmentation method to segment small sized interesting objects in natural images. Different from the traditional methods, we first search the region of interest by using our novel saliency-based method, which is mainly based on band-pass filtering, to obtain the appropriate frequency. Secondly, we applied the Gaussian Mixture Model (GMM) to locate the object region. By incorporating the visual attention analysis into object segmentation, our proposed approach is able to narrow the search region for object segmentation, so that the accuracy is increased and the computational complexity is reduced. The experimental results indicate that our proposed approach is efficient for object segmentation in natural images, especially for small objects. Our proposed method significantly outperforms traditional GMM based segmentation.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2006년도 심포지엄 논문집 정보 및 제어부문
• /
• pp.306-308
• /
• 2006

We propose an attention based object recognition system, to recognize object fast and robustly. For this we calculate visual stimulus degrees and make saliency maps. Through this map we find a strongly attentive part of image by stimulus degrees, where local features are extracted to recognize objects.

• 한국융합학회논문지
• /
• 제11권12호
• /
• pp.39-47
• /
• 2020

본 논문에서는 이미지에서 돌출되는 객체를 검출하기 위해 Saliency Attention을 이용한 딥러닝 기반의 검출 방법을 제안하였다. 돌출 객체 검출은 사람의 시선이 집중되는 물체를 배경으로부터 분리시키는 것이며, 이미지에서 관련성이 높은 부분을 결정한다. 객체 추적 및 검출, 인식 등의 다양한 분야에서 유용하게 사용된다. 기존의 딥러닝 기반 방법들은 대부분 오토인코더 구조로, 특징을 압축 및 추출하는 인코더와 추출된 특징을 복원 및 확장하는 디코더에서 많은 특징 손실이 발생한다. 이러한 손실로 돌출 객체 영역에 손실이 발생하거나 배경을 객체로 검출하는 문제가 있다. 제안하는 방법은 오토인코더 구조에서 특징 손실을 감소시키고 배경 영역을 억제하기 위해 Saliency Attention을 제안하였다. ELU 활성화 함수를 이용해 특징 값의 영향력을 결정하며 각각 정규화된 음수 및 양수 영역의 특징값에 Attention을 진행하였다. 제안하는 Attention 기법을 통해 배경 영역을 억제하며 돌출 객체 영역을 강조하였다. 실험 결과에서는 제안하는 방법이 기존 방법과 비교하여 향상된 검출 결과를 보였다.

• 전자통신동향분석
• /
• 제37권1호
• /
• pp.73-83
• /
• 2022

Visual object tracking can be utilized in various applications and has attracted considerable attention in the field of computer vision. Visual object tracking technology is classified in various ways based on the number of tracking objects and the methodologies employed for tracking algorithms. This report briefly introduces the visual object tracking challenge that contributes to the development of single object tracking technology. Furthermore, we review ten Siamese network-based algorithms that have attracted attention, owing to their high tracking speed (despite the use of neural networks). In addition, we discuss the prospects of the Siamese network-based object tracking algorithms.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권12호
• /
• pp.4439-4455
• /
• 2021

Compared with two-stage object detection algorithms, one-stage algorithms provide a better trade-off between real-time performance and accuracy. However, these methods treat the intermediate features equally, which lacks the flexibility to emphasize meaningful information for classification and location. Besides, they ignore the interaction of contextual information from different scales, which is important for medium and small objects detection. To tackle these problems, we propose an image pyramid network based on dual attention mechanism (DAIPNet), which builds an image pyramid to enrich the spatial information while emphasizing multi-scale informative features based on dual attention mechanisms for one-stage object detection. Our framework utilizes a pre-trained backbone as standard detection network, where the designed image pyramid network (IPN) is used as auxiliary network to provide complementary information. Here, the dual attention mechanism is composed of the adaptive feature fusion module (AFFM) and the progressive attention fusion module (PAFM). AFFM is designed to automatically pay attention to the feature maps with different importance from the backbone and auxiliary network, while PAFM is utilized to adaptively learn the channel attentive information in the context transfer process. Furthermore, in the IPN, we build an image pyramid to extract scale-wise features from downsampled images of different scales, where the features are further fused at different states to enrich scale-wise information and learn more comprehensive feature representations. Experimental results are shown on MS COCO dataset. Our proposed detector with a 300 × 300 input achieves superior performance of 32.6% mAP on the MS COCO test-dev compared with state-of-the-art methods.

• 인지과학
• /
• 제19권3호
• /
• pp.311-330
• /
• 2008

주의가 주어진 위치에 발현되는 공간적 주의는 주의 착점으로부터 거리가 멀어질수록 점진적으로 감소한다. 이에 근거하여 지각과 단기 기억 수준에 작용하는 시각적 주의의 공간적 패턴을 조사하였다. 실험 1에서는 시야의 한 지점에 사전 단서(pre-cue)를 제시한 후 시각적 차폐를 동반한 표적 자극을 변별하는 지각적 처리 과제(perception-intensive task)와 차폐 자극이 없이 단서 위치의 항목을 기억해야 하는 기억 처리 과제(memory-intensiv, task)가 사용되었다. 지각 과제에서 표적 변별 정확도는 주의 착점에서 가장 높았고 인접한 위치에 제시된 표적일 경우 단서 위치로부터 거리가 멀어질수록 점진적으로 저하되었다. 반면에 기억 과제에서는 단서 위치에 제시된 기억 항목만이 정확히 재인되었으며 인접한 항목들에 대한 기억 재인은 우연 수준에 머물렀다. 실험 2는 지각 처리 과제에서도 객체(object) 수준의 공간적 주의가 작용함을 보여주어 기억 과제에서 관찰된 객체 중심적 주의 효과가 경우에 따라서는 지각적 처리 과정에서도 발현될 수 있음을 보여주었다. 이 결과는 선별적 주의 효과는 위치 중심적 모형의 예견에만 국한되지 않고 요구되는 정보 처리 수준의 공간적 특성에 따라 위치 중심적 또는 객체 중심적으로 융통성 있게 작용함을 시사한다.