2013
DOI: 10.1007/978-3-642-42051-1_41
|View full text |Cite
|
Sign up to set email alerts
|

Top-Down Biasing and Modulation for Object-Based Visual Attention

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
3
2

Citation Types

0
9
0
6

Year Published

2014
2014
2024
2024

Publication Types

Select...
3
2
1

Relationship

0
6

Authors

Journals

citations
Cited by 9 publications
(15 citation statements)
references
References 16 publications
0
9
0
6
Order By: Relevance
“…O modelo proposto em [Benicasa et al 2013], que está sendo utilizado no presente trabalho, utiliza tanto modulação bottom-up quanto a modulação top-down. Enquanto as características visuais retiradas no primeiro momento (constrastes de cor e orientação) são o sinal da modulação bottom-up, as informações memorizadas previamente sobre as características dos objetos (através da rede MLP) guia o processo de seleção top-down.…”
Section: Congresso Brasileiro De Informática Na Educação (Cbie 20unclassified
See 2 more Smart Citations
“…O modelo proposto em [Benicasa et al 2013], que está sendo utilizado no presente trabalho, utiliza tanto modulação bottom-up quanto a modulação top-down. Enquanto as características visuais retiradas no primeiro momento (constrastes de cor e orientação) são o sinal da modulação bottom-up, as informações memorizadas previamente sobre as características dos objetos (através da rede MLP) guia o processo de seleção top-down.…”
Section: Congresso Brasileiro De Informática Na Educação (Cbie 20unclassified
“…Graças ao sistema computacional proposto em [Benicasa et al 2013], o robô consegue salientar, em cada pulso da rede, uma diferente figura geométrica presente na imagem. Essa figura detectada foi classificada, por meio rede multicamada, em uma das figuras previamente ensinadas ao robô (como triângulo, retângulo, quadrado, etc).…”
Section: Congresso Brasileiro De Informática Na Educação (Cbie 20unclassified
See 1 more Smart Citation
“…Recent work has been conducted regarding to the knowledge of the target to influence the computation of the most salient region [28], [15], [5], [12], [14], [11], [7], [6], [3], [2], [4]. This knowledge is usually learned in a preceding training phase.…”
Section: Introductionmentioning
confidence: 99%
“…This knowledge is usually learned in a preceding training phase. The object-based visual attention model proposed in [4] has been extended and applied to the humanoid robot NAO to allow a new attention procedure to the robot, aiming to turn it able to recognize different planar geometric figures. In this paper, we measure this capability, with a mathematical question game, performed with a 13-14 years old kids.…”
Section: Introductionmentioning
confidence: 99%