معاونت پژوهش و فناوری، دانشگاه تبریز پردازش سیگنال پیشرفته 2676-3397 4 1 2020 07 22 Extraction of Weighted Saliency Maps in Modelling Bottom-Up Auditory Attention استخراج نقشه‌های برجستگی وزن‌دار در مدل‌سازی توجه پایین به بالای شنوایی 83 94 13307 10.22034/jasp.2020.13307 FA مسعود گراوانچی زاده دانشکده مهندسی برق و کامپیوتر - دانشگاه تبریز سپیده اختری خسروشاهی دانشگاه تبریز سحر ذاکری دانشگاه تبریز Journal Article 2021 07 27 Hearing is an important part of human daily life. Although humans are exposed to various sounds from different sources and the numbers of receptors of the neural system are limited, they can process complex auditory scenes well. One of the reasons for this human ability is the phenomenon of attention. Auditory attention can be divided into two categories: bottom-up attention and top-down attention. In this paper, a model for simulating the bottom-up attention using weighted saliency maps in the auditory system is proposed. The dataset in this research work is obtained by combining different background noises with the sounds in the ESC database as salient regions, at different SNRs. To evaluate the model, the mean-error criterion was used, which is defined as the time difference between the actual salient point and the salient point detected by the model. The weighted combination of the conspicuity maps of the features using the Genetic algorithm makes the proposed model with an average error of 0.92 seconds to perform better than the baseline model having an average error of 1.91 seconds. شنوایی یکی از قسمت­های مهم زندگی روزانه انسان­ها است. با وجود اینکه انسان­ها در معرض صداهای مختلف از منابع متفاوت قرار دارند و تعداد گیرنده­های سیستم عصبی برای تجزیه و تحلیل این صداها محدود هستند، انسان­ها می­توانند مخلوط­های شنیداری پیچیده را به ­خوبی پردازش کنند. یکی از دلایل این توانایی انسان، پدیده توجه است. توجه شنوایی را می­توان به دو دسته توجه پایین به بالا و توجه بالا به پایین تقسیم­بندی کرد. در این مقاله، مدلی برای شبیه­سازی توجه پایین به بالا با استفاده از نقشه­های برجستگی وزن­دار، در سیستم شنوایی ارائه شده است. دادگان به کار رفته در این پژوهش از ترکیب نویز­های پس زمینه مختلف با صوت­های موجود در پایگاه دادگان ESC به عنوان قسمت­های برجسته، در SNR­ های متفاوت بدست آمده است. برای ارزیابی مدل، از معیار میانگین خطا استفاده شده است که بصورت اختلاف زمانی بین نقطه برجسته واقعی و نقطه برجسته تشخیص داده شده توسط مدل تعریف می­شود. ترکیب وزن­دار نقشه­های آشکار حاصل از ویژگی­ها، با استفاده از الگوریتم ژنتیک، سبب شده است که مدل پیشنهادی با خطای متوسط 92/0 ثانیه عملکرد بهتری را نسبت به مدل پایه با خطای متوسط 91/1 ثانیه داشته باشد. https://jasp.tabrizu.ac.ir/article_13307_1edc6360444fbba164cfbe2f8cba5b8e.pdf