蒋峰岭， 孔 斌， 钱 晶， 王 灿， 杨 静

(1.中国科学院合肥物质科学研究院 智能机械研究所，安徽 合肥 230031； 2.中国科学技术大学，安徽 合肥 230026； 3.合肥师范学院，安徽 合肥 230061； 4.鹏城实验室，广东 深圳 518053； 5.安徽省智能驾驶技术及应用工程实验室，安徽 合肥 230088)

人类的视觉系统具有极强的数据处理能力，能够在复杂场景中快速地选择比较醒目的区域或者是感兴趣的区域，并且只对选择出的区域进行处理而忽略其他区域中的信息。这种视觉信息处理机制被人们称之为“选择性视觉注意机制”或者“视觉注意力机制”，又常常简称“注意机制”。由于选择性视觉注意机制能够快速地锁定视觉场景中的感兴趣区域或者目标区域，从而极大地减少数据的处理量、加快信息处理的速度，这对于计算资源有限以及实时性要求较高的各种机器视觉应用来说具有非常大的吸引力，因而受到学术界的广泛关注。将人类这种选择性视觉注意机制引入到计算机视觉的信息处理中，近些年来已经成为计算机视觉领域的研究热点，并在各种视觉计算任务中得到了快速的发展，如目标检测[1]、目标跟踪[2]和图像理解[3]等。

人工神经网络被认为是一种以简化的方式模仿人类大脑并行计算机制的数学模型，人们同样试图建立一些计算模型来模仿人类视觉系统注意机制，以实现选择性地专注于一些与视觉任务目的相关的事物而忽略其他事物，从而可以利用有限的计算资源来快速完成视觉场景的处理和理解等过程。……