声明
摘要
第一章绪论
1．1课题研究的背景及意义
1．2国内外研究现状及发展
1．2．1视觉选择性注意机制及视觉注意计算模型
1．2．2交通场景下驾驶员注意力预测
1．3本文主要研究内容
1．4本文章节安排
第二章基于全卷积网络的驾驶员注意力预测
2．1引言
2．2常用交通类显着性数据集
2．3显著性预测指标
2．4基于全卷积网络的交通场景显著性预测模型
2．4．1全卷积网络模型
2．4．2模型构建
2．4．3多损失函数组合
2．4．4具体实施细节
2．5实验结果
2．6本章小结
第三章显著目标引导的驾驶员注意力预测
3．1引言
3．2总体框架的设计
3．3基于全卷积网络的框架改进
3．3．1显著目标引导模块
3．3．2时序建模网络
3．4基于目标检测引导的注意力融合网络实现
3．4．1整体实现
3．4．2损失函数
3．5．1定性分析
3．5．2定量分析
3．6小结
第四章交通场景下短时动态特征诱导的显著性感知融合网络
4．1引言
4．2显著目标估计数据集制作
4．3基于全卷积网络模型的框架改进
4．3．1短时动态特征提取以及与空间特征的融合
4．3．2基于上下文信息的相关性分析模块
4．3．3多尺度的驾驶员注意力预测网络结构
4．3．4显著性目标估计分支
4．3．5损失函数
4．3．6目标显著性估计评价指标
4．4短时运动特征诱导的显著性感知融合网络模型
4．5实验结果
4．5．1定性分析
4．5．2定量分析
4．5．3消融实验
4．6本章小结
第五章总结与展望
5．1本文工作总结
5．2后续工作展望
参考文献
致谢
攻读学位期间的科研成果和参与项目
山东大学;
