申请/专利权人:西北工业大学
申请日:2021-06-11
公开(公告)日:2024-04-02
公开(公告)号:CN113313123B
主分类号:G06V10/26
分类号:G06V10/26;G06V10/774;G06V10/77;G06V10/82;G06N3/0464;G06N3/049;G06N3/08
优先权:
专利状态码:有效-授权
法律状态:2024.04.02#授权;2021.09.14#实质审查的生效;2021.08.27#公开
摘要:本发明涉及一种基于语义推断的扫视路径预测方法,属于图像扫视路径预测领域。构建图像扫视路径训练集,采用已训练好的CNN将图像映射到语义空间,得到注视点所对应的语义向量。构建编码器‑解码器框架的扫视路径预测模型,编码器编码图像的全局信息输出编码向量,编码向量作为解码器的初始值,解码器学习注视点语义推断关系,采用预测注视点语义向量到真值注视点语义向量的欧式距离作为损失函数,优化编码器‑解码器网络使得最小化损失函数。在优化完成的网络中输入图像进行测试,得到扫视路径。
主权项:1.一种基于语义推断的扫视路径预测方法,其特征在于所述方法包括:构建图像扫视路径训练集;构建语义提取器提取注视点语义特征;构建语义提取器提取注视点语义特征具体包括:采用已训练好的语义提取器将图像映射到语义空间,得到注视点所对应的语义向量;所述的语义提取器为CNN模型;构建编码器-解码器框架的扫视路径预测模型;构建编码器-解码器框架的扫视路径预测模型具体包括:编码器编码图像的全局信息输出编码向量,编码向量作为解码器的初始值,解码器学习注视点语义推断关系;所述的编码器-解码器框架为CNN模型-LSTM网络;训练扫视路径预测模型;预测图像扫视路径。
全文数据:
权利要求:
百度查询: 西北工业大学 一种基于语义推断的扫视路径预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。