引导注意:让学生在美术鉴赏活动中“聚焦”

审美鉴赏是审美主体心底深处的一种震动传达到鉴赏者心灵的过程。在初中美术教学中,教师要精心预设、正视冲突、多元互动、敞亮开放,有效引导学生的注意;不仅要引导学生转变注意点,而且要让学生彼此注意点重叠、交融;教师不能越俎代庖,不能让学生注意异化,而应当让学生的注意有所聚焦,将学生的注意点引向“焦点”。引导学生的注意、转变学生的注意、敞亮学生的注意,能充分发挥注意的审美鉴赏功能,彰显注意的审美鉴赏价值。

基于自引导注意力的双模态校准融合目标检测算法

为了解决传统双模态目标检测方法难以在复杂场景(如大雾、眩光、黑夜)中克服低对比度噪声以及无法有效识别小尺寸目标的问题,文中提出基于自引导注意力的双模态校准融合目标检测算法.首先,设计双模态融合网络,利用通道特征和空间特征校准纠正输入图像(可见光图像与红外图像)中的低对比度噪声,从纠正后的特征中获取互补信息,并准确实现特征融合,提高算法在眩光、黑夜和大雾等场景下的检测精度.然后,构建自引导注意力机制,捕捉图像像素之间的依赖关系,增强不同尺度特征的融合能力,提高算法对于小尺寸目标的检测精度.最后,在行人、行人车辆、航拍车辆三类六种数据集上进行的大量实验表明,文中算法检测精度较高.

基于多尺度引导注意力的人物图像合成方法研究

针对现有生成对抗网络合成的人物图像存在的残缺和模糊问题,提出一种基于多尺度特征提取和姿势引导特征转换的人物图像合成方法。利用深度卷积神经网络对图像和姿势进行多尺度特征提取,有效获取丰富的语义信息;在不同尺度特征的转换过程中注入引导注意力机制,利用姿势信息引导纹理特征进行正确转移和变换;使用马尔可夫判别网络(PatchGAN)作为判别器,增强对图像纹理细节的鉴别能力;最后在DeepFashion数据集上进行测试。结果表明:在定量上,该方法的结构相似度(SSIM)达到了0.7729,峰值信噪比(PSNR)达到了19.0604,Fréchet初始距离得分(FID)达到了11.4765,可学习感知图像块相似度(LPIPS)达到了0.2092;在定性上,比传统方法合成的人物图像具有更好的视觉效果。所提方法能有效解决残缺和模糊问题,提高合成人物图像的质量。

结合单词-字符引导注意力网络的中文旅游文本命名实体识别

传统基于词向量表示的命名实体识别方法通常忽略了字符语义信息、字符间的位置信息,以及字符和单词间的关联关系。提出一种基于单词-字符引导注意力网络(WCGAN)的中文旅游命名实体识别方法,利用单词引导注意力网络获取单词间的序列信息和关键单词信息,采用字符引导注意力网络捕获字符语义信息和字符间的位置信息,增强单词和字符间的关联性与互补性,从而实现中文旅游文本中命名实体的识别。实验结果表明,WCGAN方法在ResumeNER和TourismNER基准数据集上的F值分别为93.491%和92.860%,相比Bi-LSTM+CRF、Char-Dense等方法识别效果更好。

认知控制在工作记忆表征引导注意中的作用:来自眼动的证据

研究同时采用首次注视点百分率与行为反应时指标,探讨了认知控制在无关工作记忆表征引导视觉注意选择过程中的作用。实验1发现:当视觉搜索容易时,首次注视点百分率和反应时指标都出现了注意引导效应;而当视觉搜索困难时,在反映早期注意定向的首次注视点百分率指标上,搜索快的被试组的注意引导效应显著大于搜索慢的被试组,而在行为反应时指标上,搜索快的被试组表现出注意引导效应,但搜索慢的被试组则表现出相反的注意拒绝效应。实验2发现当采用更为突显的靶子刺激时,首次注视点百分率指标上表现出的注意引导效应并未受到视觉搜索靶子显著性的影响,甚至还表现出一定的优先性。这些结果表明认知控制在工作记忆表征引导视觉注意的过程中所起的作用是动态变化的,视觉搜索早期注意定向阶段的注意引导效应比较稳健,认知控制只能减弱其效应的量值,而在随后的视觉搜索过程中,当视觉搜索比较缓慢时,认知控制可能会将注意引导效应反转为相反的注意拒绝效应。

工作记忆与知觉负载对工作记忆表征引导注意的调节

本研究采用4个眼动实验探讨不同知觉负载条件下的视觉搜索任务中工作记忆负载对基于工作记忆表征的注意引导效应的影响。实验1和实验3采用低知觉负载的视觉搜索任务,结果在视觉工作记忆负载为1和2时观察到了显著的注意引导效应,但当负载增加到4时注意引导效应消失了;实验2和实验4采用高知觉负载的视觉搜索任务,结果发现注意引导效应在工作记忆负载增加到2时就已经消失了。上述结果表明:工作记忆负载和知觉负载都能够通过调控认知资源的方式来影响工作记忆表征对注意的引导,当认知资源充足时,工作记忆能够同时保持多个记忆表征对视觉注意的引导。

图像与问题双引导注意力机制视觉问答算法

针对视觉问答任务中问题特征与图像特征缺乏交互推理关系的问题,提出了图像与问题双引导注意力机制视觉问答算法。模型结构主要由问题特征注意力模块、图像特征注意力模块、问题与图像双引导注意力模块、特征融合模块4部分构成。该算法先针对问题特征和图像特征分别使用自我注意力机制实现特征的自我加强,然后引入图像与问题双引导注意力机制,最后使用线性分类器分类输出。在VQA V2.0数据集上实验验证,该算法表现出较好的性能,准确率达到70.98%。

注意力引导的多尺度红外行人车辆实时检测

红外成像技术通过捕捉目标热辐射特征进行成像,能实现复杂道路场景下的目标监测和道路冗杂信息滤除。针对红外行人和车辆目标检测模型参数量大、依赖高性能GPU资源和检测速度慢等问题,提出了一种注意力引导的多尺度红外行人车辆实时检测模型。首先,为精确匹配校准红外行人和车辆目标尺度与锚框尺寸,利用K-Means++算法对红外行人和车辆目标尺度进行先验框预置参数重聚类生成,并设计128×128精细尺度检测层;其次,设计注意力引导广域特征提取模块增强模型特征提取能力和空间及通道信息聚焦能力;随后,构建跨空间感知模块引入空间信息感知,强化不同尺度空间下的目标的特征表达能力;最后,针对资源受限设备,通过4倍通道剪枝方法降低模型参数量,增强移动端算法部署适应性。实验结果表明:所提IRDet算法与基准方法相比,模型平均检测精度提升4.3%,达到87.4%,模型权重值压缩60.4%,降至5.7 MB。

一种用于多域对话状态追踪的知识增强与自注意力引导的图神经网络

对话状态追踪是对话系统的重要组成部分,旨在从用户与系统的对话中跟踪用户意图,其通常表示为槽位-槽值对序列.近年来,深度神经网络模型在对话状态追踪问题上取得了较大进展.然而,现有模型在槽位相关性建模方面还存在可拓展性差与易引入噪声等问题.针对上述问题,本文提出了一种知识增强与自注意力引导的图神经网络KESA-GNN(Knowledge-Enhanced&Self-Attention Guided Graph Neural Network).首先,KESA-GNN通过外部知识嵌入增强槽的语义表征提升多头自注意力机制对槽位间相关性的辨别能力.其次,为了精确建模槽位间的诸如共指、共现等相关性,提出了一种自注意力引导的图神经网络建模槽位相关性.该网络采用多头注意力机制获得槽位间的注意力矩阵以及槽位表征,通过Max-N Relation算法获得注意力矩阵中强相关关系集,将稠密的注意力矩阵稀疏化,从而引导图神经网络中强相关槽位间的信息传播,降低无关槽位的噪声影响.最后,KESA-GNN采用门控融合机制过滤槽位多头注意力和图神经网络输出的槽位表征,从而获取更准确的槽位表征向量,进一步提升了KESA-GNN的鲁棒性.在多域对话数据集上的实验结果表明,KESA-GNN模型的性能优于最新的基线模型.

用于腹部CT肝脏肿瘤分割的注意力引导模型

针对肝脏肿瘤在腹部CT影像中占比低,人为分割与传统分割效果、性能差的问题,本文提出一种高效的两阶段注意力引导的肝脏肿瘤分割模型,该模型由肝脏器官分割模块和肝脏肿瘤分割模块构成。肝脏器官分割模块中凭借卷积神经网络得到肝脏器官分割图像作为输出,和原始CT影像叠加得到新的输入影像,最后将新输入图像导入肝脏肿瘤分割模块得到精确的肝脏肿瘤分割影像,给出了每个模块的损失函数以监督训练。利用肝脏肿瘤分割挑战提供的数据集进行了实验研究和定性比较分析。结果在Dice系数等指标上优于其他模型,提高了肝脏肿瘤分割准确率和肝脏肿瘤区域定位准确率,从而使分割出的肝脏肿瘤更接近真实边界。

虚拟现实媒介叙事用户注意力引导机制实证研究

通过脑电实验测试不同注意力引导方式对虚拟现实媒介用户注意力和专注度的影响差异,为虚拟现实媒介叙事设计与优化提供科学依据。文章利用脑电波技术和访谈法分析在虚拟现实媒介叙事中,文字、发光和声音三种引导方式以及色彩对用户注意力引导的差异。研究结果表明,在文字、发光、声音三种引导方式下,实验对象大脑中α、β、θ波段的功率大小均存在统计学意义的显著性差异,其中声音引导方式对实验对象注意力引导效果最强,发光引导方式引导效果次之,文字引导方式引导效果最弱;三种引导方式两两之间均具有显著正向相关性,即在虚拟现实媒介叙事中同时使用两种引导模式,更能吸引用户注意力;在色彩引导方面,红色最能吸引实验对象注意力。基于实验结论,文章提出了具体的应对之策,以帮助虚拟现实媒介叙事提升叙事效果和用户体验。

多重注意力引导的超声乳腺癌肿瘤图像分割

传统基于U-Net超声乳腺图像分割任务中存在预测尺度单一和信息丢失等问题。针对存在的问题,提出一种由多重注意力引导机制的U-Net超声乳腺肿瘤图像分割。首先,在U-Net的编码结构中,引入多个SE通道注意力,对输入的乳腺肿瘤图像进行多层级的语义信息提取,引导编码器聚焦乳腺肿瘤特征,减少冗余背景信息带来的干扰;其次,通过设计特征融合处理模块,对编码器传来的特征图进行复杂语义特征的融合处理;最后,在解码器部分,加入金字塔结构捕获全局空间信息,提高模型对肿瘤图像的多尺度特征提取能力,以提高整体网络的表达能力和分割性能。在乳腺肿瘤图像数据集上对该方法进行了仿真实验,结果表明,与其他U-Net改进策略相比,该方法具有更强的准确率和鲁棒性。

结合注意引导网络的弱光图像增强算法

弱光图像增强具有挑战性,不仅需要考虑亮度恢复,还需要考虑色彩失真和噪声等复杂问题。简单地调整弱光图像的亮度将不可避免的放大这些伪影。为了解决这些难题,一种带有注意引导分支的端到端弱光增强网络(attention guided low light enhancement network,AGNet)被提出。AGNet由注意引导网络和弱光增强网络两部分组成。注意引导网络被用来学习弱光图像中的照度-注意映射,并将其应用于弱光增强网络,以指导图像亮度增强和去噪任务。弱光增强网络由多尺度卷积和残差块构成,通过特征金字塔结构从多个尺度来提取弱光图像中的细节和纹理特征。此外,网络中还引入了多尺度色彩矫正模块(multi-scale color recalibration module,MCRM),以进一步增强了输出图像的颜色和对比度。实验结果表明,AGNet在主流弱光数据集上(LOL-v1和LOL-v2-synthetic)不仅在客观指标上领先(两个数据集的PSNR提高了2.13/2.52),而且在主观比较上也具有优势。

注意力引导的标志检测与识别

自然场景中的实体标志,如商标、交通标志等,易受拍摄角度、所依附物体形变、尺度变化等影响,导致检测精度降低.为此,提出一种注意力引导的标志检测与识别网络(attention guided logo detection and recognition network,AGLDN),联合优化模型对多尺度变化和复杂形变的鲁棒性.首先通过标志模板图像搜集及掩码生成、标志背景图像选取和标志图像生成创建标志合成数据集;然后基于RetinaNet和FPN提取多尺度特征并形成高级语义特征映射;最后利用注意力机制引导网络关注标志区域,克服目标变形对特征鲁棒性的影响,实现标志检测与识别.实验结果表明,所提方法可以有效降低尺度变化、非刚性形变的影响,提高标志检测准确率.

基于图文双向引导注意力的新闻图集描述生成方法

在传统的图像描述生成任务中,已有方法对图像的描述仅仅停留在浅层,并缺乏真实世界知识的指导,难以挖掘出对象在特定背景下的逻辑语义关系。新闻文本的引入为图像描述带来了新的可能,同时对模型的学习能力有了更高要求;此外,新闻图集中往往存在多幅图像,且相互之间联系紧密,导致现有单图描述生成方法不适用于新闻图集描述生成。针对上述问题,本文提出了一种基于图文双向引导注意力(image and text bidirectional guidance attention,ITBGA)的新闻图集描述方法,以图集作为研究对象,并辅以对应的新闻文本作为背景知识,基于ITBGA分别实现粗、细两个粒度的跨模态信息交互,并通过指针网络辅助命名实体词生成。在本文构建的新闻图集数据集上进行了实验验证,结果表明ITBGA能有效提升描述文本的质量,在关键的CIDEr指标上达到了最优。

基于图文关联与上下文引导的军事新闻图集描述生成方法

传统的图像描述生成方法由于缺少现实世界的先验知识,生成的描述文本不具有解释性,同时在某些专业领域生成的描述文本准确性不高。针对上述问题,提出了军事新闻图集描述生成任务,还构建了军事新闻图集数据集。该任务存在2个关键挑战:描述信息来源于整个图集和对应的新闻文本中,模型学习到的语义不够充分。进一步提出了一种基于图文关联与上下文引导的军事新闻图集描述生成方法ITRCG。基于ITRCG实现跨模态信息交互,引导模型学习更完整的语义,并通过标签清理辅助命名实体生成。在构建的军事新闻图集数据集上进行了验证实验,结果表明ITRCG能够有效提高描述文本的质量,在各项评价指标上均取得了提升。

基于多尺度级联注意网络的肺实质分割

针对肺实质分割任务中不同尺度特征的全局上下文信息利用率低、分割精度低、分割细节模糊等问题,提出一种多尺度级联注意网络(multiscale cascaded attention networks,MCANet)。该网络主要由多尺度特征提取网络(multi-scale feature extraction network,MSFENet)、多尺度注意力引导模块(multi-scale attention guidance module,MSAG)、解码特征整合器(decoding feature integrator,DFI)组成。首先,设计MSFENet以提高特征信息在不同通道维度上的空间交互能力,在采样过程中最大限度地保留图像的关键特征,丰富全局上下文信息。然后,设计MSAG提高模型在解码过程中对多尺度特征信息的利用率,并最大限度地融合两种注意力机制的优势。最后设计DFI,重新整合解码器生成的解码特征,以提高模型对边缘信息的分割性能。在LUNA16数据集上对模型性能进行实验验证,得到了0.993的Dice和3.864的HD,实验结果证明了MCANet与其他主流医学分割模型相比有更优异的分割性能,能更准确地分割肺实质。

工作记忆表征引导视觉注意选择的眼动研究

工作记忆表征能否引导视觉注意选择?目前实验结果尚不一致。有研究者认为能否观察到注意引导效应取决于视觉搜索类型。研究采用工作记忆任务与视觉搜索任务相结合的双任务范式,结合眼动追踪技术,对不同视觉搜索类型下的注意引导效应进行验证。实验1结果发现,不管视觉搜索任务的靶子是否变化,在早期的眼动指标上都发现了显著的注意引导效应,但注意引导效应在靶子固定的视觉搜索任务下表现得更强。实验2在平衡两种视觉搜索任务中的工作记忆负载后发现,两种视觉搜索任务下都出现了显著的注意引导效应,但没有发现实验1中所出现的任务间差异。实验结果否定了视觉搜索类型对注意引导效应的决定性影响,同时也提示工作记忆负载可能在注意引导效应中起重要作用。

背景线索对室内场景中目标搜索的注意引导

以室内3D场景图为实验材料,采用眼动追踪技术,探讨背景线索对真实场景视觉搜索过程中的注意引导。结果发现:在室内场景目标搜索过程中存在背景线索效应,该效应基于对背景-目标共变关系的外显记忆;背景线索对搜索的启动和确认阶段无影响,对扫描阶段的注视行为有促进作用,有助于更有效地选择注视区域,将注视更直接地导向目标所在位置。

工作记忆表征对视觉注意的引导机制

人类有限的信息加工系统只允许注意从外界环境中选择少量的信息进行深入加工,在注意选择过程中工作记忆表征会以自上而下的方式引导注意优先选择视觉情境中与之相同或相似的刺激。本文系统综述了有关工作记忆表征对视觉注意的引导作用的研究文献,并对注意引导效应是否是自动化过程,言语工作记忆表征能否引导注意及注意引导效应是否总是存在这三个争议问题进行了论述,发现工作表征能自上而下地引导注意,但存在诸多制约条件。