A análise de cenas complexas por computadores não é uma tarefa trivial, entretanto, o cérebro humano pode realizar esta função de maneira eficiente. A evolução natural tem desenvolvido formas para otimizar nosso sistema visual de modo que apenas partes importantes da cena sejam analisadas a cada instante. Este mecanismo de seleção é denominado por atenção visual. A atenção visual opera sob dois aspectos: bottom-up e top-down. A atenção bottom-up é dirigida por conspicuidades baseadas na cena, como o contraste de cores, orientação, etc. Por outro lado, a atenção top-down é controlada por tarefas, memórias, etc. A atenção top-down pode ainda modular o mecanismo bottom-up através do enviesamento de determinadas características de acordo com a tarefa. Além do mecanismo de modulação considerado, o que é selecionado a partir da cena também representa uma importante parte para o processo de seleção. Neste cenário, diversas teorias têm sido propostas e podem ser agrupadas em duas linhas principais: atenção baseada no espaço e atenção baseada em objetos. Modelos baseados em objeto, ao invés de apenas direcionar a atenção para locais ou características específicas da cena, requerem que a seleção seja realizada a nível de objeto, significando que os objetos são a unidade básica da percepção. De modo a desenvolver modelos de acordo com a teoria baseada em objetos, deve-se considerar a integração de um módulo de organização perceptual. Este módulo pode segmentar os objetos do fundo da cena baseado em princípios de agrupamento tais como similaridade, proximidade, etc. Esses objetos competirão pela atenção. Diversos modelos de atenção visual baseados em objetos tem sido propostos nos últimos anos. Pesquisas em modelos de atenção visual têm sido desenvolvidas principalmente relacionadas à atenção bottom-up guiadas por características visuais primitivas, desconsiderando qualquer informação sobre os objetos. Por outro lado, trabalhos recentes têm sido realizados em relação ao uso do conhecimento sobre o alvo para influenciar a seleção da região mais saliente. Pesquisas nesta área são relativamente novas e os poucos modelos existentes encontram-se em suas fases iniciais. Aqui, nós propomos um novo modelo para atenção visual com modulações bottom-up e top-down. Comparações qualitativas e quantitativas do modelo proposto são realizadas em relação aos mapas de fixação humana e demais modelos estado da arte propostos / Perceiving a complex scene is a quite demanding task for a computer albeit our brain does it efficiently. Evolution has developed ways to optimize our visual system in such a manner that only important parts of the scene undergo scrutiny at a given time. This selection mechanism is named visual attention. Visual attention operates in two modes: bottom-up and top-down. Bottom-up attention is driven by scene-based conspicuities, such as the contrast of colors, orientation, etc. On the other hand, top-down attention is controlled by task, memory, etc. Top-down attention can even modulate the bottom-up mechanism biasing features according to the task. In additional to modulation mechanism taken into account, what is selected from the scene also represents an important part of the selection process. In this scenario, several theories have been proposed and can be gathered in two main lines: space-based attention and object-based attention. Object-based models, instead of only delivering the attention to locations or specific features of the scene, claim that the selection it be performed on object level, it means that the objects are the basic unit of perception. In order to develop models following object-based theories, one needs to consider the integration of a perceptual organization module. This module might segment the objects from the background of the scene based on grouping principles, such as similarity, closeness, etc. Those objects will compete for attention. Several object-based models of visual attention have been proposed in recent years. Research in models of visual attention has mainly focused on the bottom-up guidance of early visual features, disregarding any information about objects. On the other hand, recently works have been conducted regarding the use of the knowledge of the target to influence the computation of the most salient region. The research in this area is rather new and the few existing models are in their early phases. Here, we propose a new visual attention model with both bottom-up and top-down modulations. We provide both qualitative and quantitative comparisons of the proposed model against an ground truth fixation maps and state-of-the-art proposed methods

A análise de cenas complexas por computadores não é uma tarefa trivial, entretanto, o cérebro humano pode realizar esta função de maneira eficiente. A evolução natural tem desenvolvido formas para otimizar nosso sistema visual de modo que apenas partes importantes da cena sejam analisadas a cada instante. Este mecanismo de seleção é denominado por atenção visual. A atenção visual opera sob dois aspectos: bottom-up e top-down. A atenção bottom-up é dirigida por conspicuidades baseadas na cena, como o contraste de cores, orientação, etc. Por outro lado, a atenção top-down é controlada por tarefas, memórias, etc. A atenção top-down pode ainda modular o mecanismo bottom-up através do enviesamento de determinadas características de acordo com a tarefa. Além do mecanismo de modulação considerado, o que é selecionado a partir da cena também representa uma importante parte para o processo de seleção. Neste cenário, diversas teorias têm sido propostas e podem ser agrupadas em duas linhas principais: atenção baseada no espaço e atenção baseada em objetos. Modelos baseados em objeto, ao invés de apenas direcionar a atenção para locais ou características específicas da cena, requerem que a seleção seja realizada a nível de objeto, significando que os objetos são a unidade básica da percepção. De modo a desenvolver modelos de acordo com a teoria baseada em objetos, deve-se considerar a integração de um módulo de organização perceptual. Este módulo pode segmentar os objetos do fundo da cena baseado em princípios de agrupamento tais como similaridade, proximidade, etc. Esses objetos competirão pela atenção. Diversos modelos de atenção visual baseados em objetos tem sido propostos nos últimos anos. Pesquisas em modelos de atenção visual têm sido desenvolvidas principalmente relacionadas à atenção bottom-up guiadas por características visuais primitivas, desconsiderando qualquer informação sobre os objetos. Por outro lado, trabalhos recentes têm sido realizados em relação ao uso do conhecimento sobre o alvo para influenciar a seleção da região mais saliente. Pesquisas nesta área são relativamente novas e os poucos modelos existentes encontram-se em suas fases iniciais. Aqui, nós propomos um novo modelo para atenção visual com modulações bottom-up e top-down. Comparações qualitativas e quantitativas do modelo proposto são realizadas em relação aos mapas de fixação humana e demais modelos estado da arte propostos / Perceiving a complex scene is a quite demanding task for a computer albeit our brain does it efficiently. Evolution has developed ways to optimize our visual system in such a manner that only important parts of the scene undergo scrutiny at a given time. This selection mechanism is named visual attention. Visual attention operates in two modes: bottom-up and top-down. Bottom-up attention is driven by scene-based conspicuities, such as the contrast of colors, orientation, etc. On the other hand, top-down attention is controlled by task, memory, etc. Top-down attention can even modulate the bottom-up mechanism biasing features according to the task. In additional to modulation mechanism taken into account, what is selected from the scene also represents an important part of the selection process. In this scenario, several theories have been proposed and can be gathered in two main lines: space-based attention and object-based attention. Object-based models, instead of only delivering the attention to locations or specific features of the scene, claim that the selection it be performed on object level, it means that the objects are the basic unit of perception. In order to develop models following object-based theories, one needs to consider the integration of a perceptual organization module. This module might segment the objects from the background of the scene based on grouping principles, such as similarity, closeness, etc. Those objects will compete for attention. Several object-based models of visual attention have been proposed in recent years. Research in models of visual attention has mainly focused on the bottom-up guidance of early visual features, disregarding any information about objects. On the other hand, recently works have been conducted regarding the use of the knowledge of the target to influence the computation of the most salient region. The research in this area is rather new and the few existing models are in their early phases. Here, we propose a new visual attention model with both bottom-up and top-down modulations. We provide both qualitative and quantitative comparisons of the proposed model against an ground truth fixation maps and state-of-the-art proposed methods

Submitted by Johnny Rodrigues (johnnyrodrigues@ufcg.edu.br) on 2018-08-13T17:40:43Z No. of bitstreams: 1 NIVALDO ANTONIO PORTELA DE VASCONCELOS - TESE PPGCC 2010..pdf: 20480342 bytes, checksum: 82f77f75c6f1cf552f12520c132add82 (MD5) / Made available in DSpace on 2018-08-13T17:40:43Z (GMT). No. of bitstreams: 1 NIVALDO ANTONIO PORTELA DE VASCONCELOS - TESE PPGCC 2010..pdf: 20480342 bytes, checksum: 82f77f75c6f1cf552f12520c132add82 (MD5) Previous issue date: 2010-11-25 / Capes / Apesar dos grandes avanços da neurociência, a codificação de objetos complexos,realizada por assembléias neuronais, ao nível telencefálico, permanece ainda não muito clara. Alguns trabalhos têm obtido sucesso utilizando a informação da ativação de conjuntos neuronais no córtex inferior temporal de primatas adultos. Nesta Tese, procuramos investigar a codificação para objetos complexos em ratos, durante a vigília, quando são observados conjuntos de neurônios de regiões primárias e do hipocampo. Como abordagem de análise, propôs-se a implementação de uma população de classificadores capaz de decidir entre as diferentes respostas neuronais, relativas aos estímulos provenientes de diferentes objetos. Os resultados encontrados, utilizando classificadores baseados em cinco diferentes modelos, demonstram a viabilidade de classificação das respostas dos neurônios biológicos em função do contato com os objetos, e que isso pode acontecer com intervalos amostrais (bins) entre 50ms e 500ms. Os resultados sugerem que esta codificação parece estar distribuída na ativação do conjunto de neurônios, ao invés de ser representada por um grupo pequeno de neurônios altamente específicos. Uma contribuição importante desta Tese foi mostrar que esta codificação de objetos pode ser encontrada também em áreas corticais primárias de animais como ratos, não ficando restrita ao córtex inferior temporal de primatas adultos. Outra contribuição da abordagem de análise proposta neste estudo foi mostrar que mesmo com o animal no escuro, é possível obter informação suficiente na ativação neuronal do córtex visual primário para decidir sobre com qual objeto o animal está em contato táctil. Tais resultados sugerem uma mudança dos modelos de processamento de informação nas áreas sensoriais primárias e no hipocampo. Os resultados sugerem que os circuitos hipocampo-corticais se organizam como uma grade computacional, na qual o engajamento no processamento de informação depende de disponibilidade e demanda. / Despite major advances in neuroscience, the coding of complex objects, held by neuronal ensemblesattelencephaliclevel,stillnotveryclear. Someworkshavebeensuccessfulusing the information on the activation of neuronal assemblies within Inferior Temporal cortex in adult primates. In this thesis, we investigate coding of complex objects in rats, during wakefulness, based on primary sensory neurons and hippocampal regions. As analysis approach,proposed the implementation of a population of classifiers able to decide between the different neuronal responses, relative to stimuli from different objects. The results so far, using five classifiers different models, demonstrate the feasibility of classification of responses of biological neurons as a function of the contact with objects, and that this can be done using 250ms bin width. The results suggest that this coding seems to be distributed in the activation of the set of neurons, rather than being represented by specific neurons. An important contribution of this thesis was to show that this coding of complex objects can also be found in the primary areas of animals like mice, not getting inferior temporal cortex restricted to adult primates. Another contribution of the approach analysis proposed in this thesis was to show that even with the animal in the dark, you can get sufficient information on the neuronal activation of primary visual cortex to decide whether to what object the animal is in contact touch. The cerebral cortex, including primary sensory areas and hippocampus, processes information like a computer grid, in which idle computing resources are dynamically allocated in a distributed manner to perform the task at hand, according to global demand and local availability.