期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
选择性注意机制在情景线索效应中的作用 被引量:9
1
作者 臧学莲 张笑笑 +2 位作者 贾丽娜 李根强 李红 《心理科学进展》 CSSCI CSCD 北大核心 2017年第9期1503-1511,共9页
情景线索效应是指个体在视觉搜索过程中通过学习重复不变的情景信息提高搜索效率的现象。本文从情景线索效应相关行为特征、眼动特征及大脑神经活动等三个方面探讨了情景线索效应与选择性注意机制的交互作用,发现现有研究中存在着许多... 情景线索效应是指个体在视觉搜索过程中通过学习重复不变的情景信息提高搜索效率的现象。本文从情景线索效应相关行为特征、眼动特征及大脑神经活动等三个方面探讨了情景线索效应与选择性注意机制的交互作用,发现现有研究中存在着许多互相冲突的现象,增加了理解注意机制的难度。未来研究应结合认知神经科学技术寻找更多的实证数据,探索注意机制对情景线索效应的影响,以进一步完善情景线索效应中的注意机制理论。 展开更多
关键词 选择性注意机制 情景线索效应 内隐学习 情景记忆 记忆提取
在线阅读 下载PDF
尺度与特征引导视觉选择性注意机制模型 被引量:2
2
作者 吴月娥 边后琴 《现代电子技术》 2009年第22期84-87,共4页
针对在传统机器视觉研究中,尺度、显著性和物体识别多数被分开研究的现状,首先分析三者之间的内在联系和相互关系,得出应该在一个框架中来研究它们的结论;然后讨论视觉中的尺度空间表示方法、显著性度量方法。最后选取强度、颜色和方向... 针对在传统机器视觉研究中,尺度、显著性和物体识别多数被分开研究的现状,首先分析三者之间的内在联系和相互关系,得出应该在一个框架中来研究它们的结论;然后讨论视觉中的尺度空间表示方法、显著性度量方法。最后选取强度、颜色和方向三种特征以及尺度引导注意,建立一个自下而上的结合尺度与特征引导的计算模型,并给出仿真实验结果。 展开更多
关键词 协同模式识别 主动视觉 视觉选择性注意机制 尺度空间
在线阅读 下载PDF
中心区域可视二维条码的设计及编码方法 被引量:4
3
作者 刘小丹 黄翠翠 《计算机工程与设计》 CSCD 北大核心 2012年第1期392-395,401,共5页
传统的二维条码不具有可视化意义,为了弥补传统二维条码外观的不足,设计了一种新型的可视二维条码。根据人类视觉选择性注意机制设计了由中心编码区域和周边编码区域组成的中心区域可视二维条码,明显提高了条码的整体信息容量。基于可... 传统的二维条码不具有可视化意义,为了弥补传统二维条码外观的不足,设计了一种新型的可视二维条码。根据人类视觉选择性注意机制设计了由中心编码区域和周边编码区域组成的中心区域可视二维条码,明显提高了条码的整体信息容量。基于可视二维条码的模式编码方法,提出了面向模式编码的误差扩散方法,保持了载体图像的分辨率。实验结果表明,该条码不仅具有较好的视觉效果,而且具有较大的信息容量。 展开更多
关键词 可视二维条码 模式编码 视觉选择性注意机制 误差扩散 中心编码区域
在线阅读 下载PDF
由粗定位到精提取的图像显著区域检测 被引量:3
4
作者 赵克军 胡骁东 张弘 《科学技术与工程》 北大核心 2015年第31期67-73,共7页
图像显著区域检测旨在找出最具信息性的图像,将该任务归纳为一种由粗定位到精提取的处理过程。首先,将图像过分割为超像素,并根据其颜色差异、分形差异及空间分布求得一个表征超像素间相似性的矩阵。依据这个矩阵,利用相似传播算法对超... 图像显著区域检测旨在找出最具信息性的图像,将该任务归纳为一种由粗定位到精提取的处理过程。首先,将图像过分割为超像素,并根据其颜色差异、分形差异及空间分布求得一个表征超像素间相似性的矩阵。依据这个矩阵,利用相似传播算法对超像素聚类;并通过度量类间颜色对比度、类的结构紧凑度与偏离中心度评价每类的显著度。然后,通过比较像素与每类的颜色差异及位置关系更新像素的显著度,最终得到像素精度的、全分辨率的显著性图。对当前流行数据库的实验测试表明,算法具有令人满意的检测效果。 展开更多
关键词 视觉选择性注意机制 显著区域检测 超像素 对比度分析 粗定位 精提取
在线阅读 下载PDF
面向复杂场景的改进YOLOv8军事目标识别算法
5
作者 程国建 沈守婷 白俊卿 《火力与指挥控制》 2025年第8期47-55,共9页
为解决复杂战场环境下军事目标识别漏检、误检率高,精度低等问题,提出一种改进YOLOv8的LBI-YOLO军事目标识别算法。该算法引入大核选择性注意力机制以增强主干网络的特征提取能力,使模型能更好地关注重要区域;再采用BiFPN进行多尺度特... 为解决复杂战场环境下军事目标识别漏检、误检率高,精度低等问题,提出一种改进YOLOv8的LBI-YOLO军事目标识别算法。该算法引入大核选择性注意力机制以增强主干网络的特征提取能力,使模型能更好地关注重要区域;再采用BiFPN进行多尺度特征融合及用Inner-IoU损失替代传统IoU,加速模型收敛并提高识别精度。实验结果表明,改进后的算法在自建军事目标数据集下识别的mAP值提升了5.3%,FPS提升7.4%。 展开更多
关键词 YOLOv8 大核选择性注意机制 BiFPN LBI-YOLO Inner-IoU
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部