Reconhecimento Visual Atencional

A visão é um processo ativo, onde as informações importantes para o comportamento são seletivamente adquiridas. Nesta tese propomos um modelo de reconhecimento visual atencional no qual uma fóvea simulada com alta resolução é dirigida para regiões de maior interesse por um processo de atenção seletiva. A região de interesse da imagem bruta é inicialmente representada por um mapa space-variant de respostas das células complexas, ou de contornos orientados. Esta representação é processada por um Sistema de Decisão que tenta reconhecer a imagem com as informações parciais adquiridas. Caso a informação disponível seja insuficiente para garantir o reconhecimento, um Módulo Atencional entra em ação para determinar a próxima região de interesse de onde extrair informações. A próxima foveação é baseada em informações da imagem (bottom-up) e do conjunto de modelos armazenados no sistema (top-down) combinadas de acordo com uma estratégia atencional adotada pelo sistema. O processo de foveação continua até que a imagem seja reconhecida ou seja atingido um número limite de foveações. Diversas estratégias atencionais foram investigadas, aplicando-se o modelo ao reconhecimento de faces e outros objetos em extensas simulações, que permitem avaliar qualitativamente e quantitativamente os resultados de cada estratégia atencional. Os resultados mostram ser factível reconhecer faces e outros objetos com margens de erros comparáveis ou menores que outros modelos tradicionais, porém a um custo computacional bem mais baixo, utilizando a representação space-variant associada a uma estratégia atencional adequada.