Bottom-Up Attention Guidance for Recurrent Image Recognition

Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussavertaisarvioitu

Tutkijat

Organisaatiot

  • Tampere University of Technology
  • University of Central Florida

Kuvaus

This paper presents a recurrent neural network architecture, guided by the bottom-up attention, for the recognition task. The proposed architecture processes an input image as a sequence of selectively chosen patches. The patches are chosen from the salient regions of the input image. Using human driven saliency maps from gaze, the benefit of such a selection process is first shown. Next, the performance of computational models of bottom-up attention are assessed as alternative to human attention.

Yksityiskohdat

AlkuperäiskieliEnglanti
Otsikko2018 IEEE International Conference on Image Processing, ICIP 2018 - Proceedings
TilaJulkaistu - 2018
OKM-julkaisutyyppiA4 Artikkeli konferenssijulkaisuussa
TapahtumaIEEE International Conference on Image Processing - Athens, Kreikka
Kesto: 7 lokakuuta 201810 lokakuuta 2018
Konferenssinumero: 25

Conference

ConferenceIEEE International Conference on Image Processing
LyhennettäICIP
MaaKreikka
KaupunkiAthens
Ajanjakso07/10/201810/10/2018

ID: 19941447