Aggregated Deep Saliency Prediction by Self-attention Network

2020 ◽  
pp. 87-97
Author(s):  
Ge Cao ◽  
Qing Tang ◽  
Kang-hyun Jo
Keyword(s):  
Attention Network ◽  
Saliency Prediction

scholarly journals Hybrid-Attention Network for RGB-D Salient Object Detection

2020 ◽  
Vol 10 (17) ◽  
pp. 5806 ◽  
Author(s):  
Yuzhen Chen ◽  
Wujie Zhou
Keyword(s):  
Object Detection ◽  
Salient Object Detection ◽  
Depth Information ◽  
Salient Object ◽  
Depth Sensor ◽  
Attention Network ◽  
Depth Maps ◽  
Saliency Prediction ◽  
Ablation Study ◽  
High Level

Depth information has been widely used to improve RGB-D salient object detection by extracting attention maps to determine the position information of objects in an image. However, non-salient objects may be close to the depth sensor and present high pixel intensities in the depth maps. This situation in depth maps inevitably leads to erroneously emphasize non-salient areas and may have a negative impact on the saliency results. To mitigate this problem, we propose a hybrid attention neural network that fuses middle- and high-level RGB features with depth features to generate a hybrid attention map to remove background information. The proposed network extracts multilevel features from RGB images using the Res2Net architecture and then integrates high-level features from depth maps using the Inception-v4-ResNet2 architecture. The mixed high-level RGB features and depth features generate the hybrid attention map, which is then multiplied to the low-level RGB features. After decoding by several convolutions and upsampling, we obtain the final saliency prediction, achieving state-of-the-art performance on the NJUD and NLPR datasets. Moreover, the proposed network has good generalization ability compared with other methods. An ablation study demonstrates that the proposed network effectively performs saliency prediction even when non-salient objects interfere detection. In fact, after removing the branch with high-level RGB features, the RGB attention map that guides the network for saliency prediction is lost, and all the performance measures decline. The resulting prediction map from the ablation study shows the effect of non-salient objects close to the depth sensor. This effect is not present when using the complete hybrid attention network. Therefore, RGB information can correct and supplement depth information, and the corresponding hybrid attention map is more robust than using a conventional attention map constructed only with depth information.

Ransp: Ranking Attention Network For Saliency Prediction On Omnidirectional Images

2020 ◽  
Author(s):  
Dandan Zhu ◽  
Yongqing Chen ◽  
Tian Han ◽  
Defang Zhao ◽  
Yucheng Zhu ◽  
...  
Keyword(s):  
Attention Network ◽  
Saliency Prediction ◽  
Omnidirectional Images

RANSP: Ranking Attention Network for Saliency Prediction on Omnidirectional Images

2021 ◽  
Author(s):  
Dandan Zhu ◽  
Yongqing Chen ◽  
Xiongkuo Min ◽  
Yucheng Zhu ◽  
Guokai Zhang ◽  
...  
Keyword(s):  
Attention Network ◽  
Saliency Prediction ◽  
Omnidirectional Images

scholarly journals Spatio-Temporal Self-Attention Network for Video Saliency Prediction

2021 ◽  
pp. 1-1
Author(s):  
Ziqiang Wang ◽  
Zhi Liu ◽  
Gongyang Li ◽  
Yang Wang ◽  
Tianhong Zhang ◽  
...  
Keyword(s):  
Attention Network ◽  
Saliency Prediction ◽  
Spatio Temporal ◽  
Video Saliency

Neurofeedback-Training bei Kindern mit Aufmerksamkeitsdefizit-/ Hyperaktivitätsstörung (ADHS)

2010 ◽  
Vol 38 (6) ◽  
pp. 409-420 ◽  
Author(s):  
Holger Gevensleben ◽  
Gunther H. Moll ◽  
Hartmut Heinrich
Keyword(s):  
Attention Network Test ◽  
Sich Eine ◽  
Neurofeedback Training ◽  
Attention Network ◽  
Klinische Wirksamkeit

Im Rahmen einer multizentrischen, randomisierten, kontrollierten Studie evaluierten wir die klinische Wirksamkeit eines Neurofeedback-Trainings (NF) bei Kindern mit einer Aufmerksamkeitsdefizit-/Hyperaktivitätsstörung (ADHS) und untersuchten die einem erfolgreichen Training zugrunde liegenden neurophysiologischen Wirkmechanismen. Als Vergleichstraining diente ein computergestütztes Aufmerksamkeitstraining, das dem Setting des Neurofeedback-Trainings in den wesentlichen Anforderungen und Rahmenbedingungen angeglichen war. Auf Verhaltensebene (Eltern- und Lehrerbeurteilung) zeigte sich das NF-Training nach Trainingsende dem Kontrolltraining sowohl hinsichtlich der ADHS-Kernsymptomatik als auch in assoziierten Bereichen überlegen. Für das Hauptzielkriterium (Verbesserung im FBB-HKS Gesamtwert) ergab sich eine mittlere Effektstärke (von 0.6). Sechs Monate nach Trainingsende (follow-up) konnte das gleiche Ergebnismuster gefunden werden. Die Ergebnisse legen somit den Schluss nahe, dass NF einen klinisch wirksamen Therapiebaustein zur Behandlung von Kindern mit ADHS darstellt. Auf neurophysiologischer Ebene (EEG; ereignisbezogene Potentiale, EPs) konnten für die beiden Neurofeedback-Protokolle Theta/Beta-Training und Training langsamer kortikaler Potentiale spezifische Effekte aufgezeigt werden. So war für das Theta/Beta-Training beispielsweise die Abnahme der Theta-Aktivität mit einer Reduzierung der ADHS-Symptomatik assoziiert. Für das SCP-Training wurde u. a. im Attention Network Test eine Erhöhung der kontingenten negativen Variation beobachtet, die die mobilisierten Ressourcen bei Vorbereitungsprozessen widerspiegelt. EEG- und EP-basierte Prädiktorvariablen konnten ermittelt werden. Der vorliegende Artikel bietet einen Gesamtüberblick über die in verschiedenen Publikationen unserer Arbeitsgruppe beschriebenen Ergebnisse der Studie und zeigt zukünftige Fragestellungen auf.

External modulation of the sustained attention network in traumatic brain injury.

2018 ◽  
Vol 32 (5) ◽  
pp. 541-553 ◽  
Author(s):  
Nadine M. Richard ◽  
Charlene O'Connor ◽  
Ayan Dey ◽  
Ian H. Robertson ◽  
Brian Levine
Keyword(s):  
Traumatic Brain Injury ◽  
Brain Injury ◽  
Sustained Attention ◽  
Attention Network ◽  
External Modulation

El Attention Network Test en el estudio de los déficits cognitivos de pacientes con trastorno por déficit de atención

2019 ◽  
Vol 69 (10) ◽  
pp. 423
Author(s):  
Manuel Vázquez Marrufo ◽  
Macarena García-Valdecasas Colell ◽  
Alejandro Galvao Carmona ◽  
Esteban Sarrias Arrabal ◽  
Javier Tirapu Ustárroz
Keyword(s):  
Attention Network Test ◽  
Attention Network

DurIAN: Duration Informed Attention Network for Speech Synthesis

2020 ◽  
Author(s):  
Chengzhu Yu ◽  
Heng Lu ◽  
Na Hu ◽  
Meng Yu ◽  
Chao Weng ◽  
...  
Keyword(s):  
Speech Synthesis ◽  
Attention Network

Interactive Multimodal Attention Network for Emotion Recognition in Conversation

2021 ◽  
pp. 1-1
Author(s):  
Minjie Ren ◽  
Xiangdong Huang ◽  
Xiaoqi Shi ◽  
Weizhi Nie
Keyword(s):  
Emotion Recognition ◽  
Attention Network ◽  
Multimodal Attention
Sign in / Sign up

Export Citation Format

Share Document