GET-Forschungsseminar Abstracts

GPU-Basierte Segmentierung und Featureberechnung für ein regionsbasiertes Aufmerksamkeitsmodell

Michael Backer, GET Lab

Vortrag: Di. 20.12.2011, 18:00, Raum P 1.4.17

Zusammenfassung:

Aufmerksamkeitsmodelle versuchen im Rahmen des maschinellen Sehens einen Aufmerksamkeitsfokus - inspiriert von der menschlichen visuellen Wahrnehmung - auf auffällige Teilbereiche des Bildes zu legen, um Rechenresourcen zu sparen und vorallem die auffälligen Teilbereiche genauer weiterzuverarbeiten. Das im GET Lab entwickelte regionsbasierten Aufmerksamkeitsmodell führt eine sequentielle Bildsegmentierung auf der CPU durch, auf dessen Basis die Auffälligkeit bezüglich bestimmter Merkmale (wie Farbe oder Orientierung) berechnet wird. Das Ergebnis ist eine Salienz-Karte, von der der Fokus der Aufmerksamkeit abgeleitet werden kann. Die sequentielle Segmentierung stellt einen Flaschenhals des Verfahrens dar. In dieser Arbeit wird ein paralleler GPU-basierter Ansatz zur Segmentierung vorgestellt, der auf k-Means-Clustering zum Klassifizieren von ähnlichen Pixeln und auf der Berechnung von Zusammenhangskomponenten für den räumlichen Zusammenhang der Pixel aufbaut Wichtige Merkmale, die das regionsbasierte Aufmerksamkeitsmodell benötigt, wie zum Beispiel Größe, Durchschnittsfarbe und zentrale 2D-Momente, werden ebenfalls auf der GPU berechnet.