しかしながら、低次の画像特徴量に基づくbottom up型のアプローチの場合、デザイン（画像等）の中で注意を惹く部分、注視されやすい部分の顕著性を評価することは期待できるが、対象を認識する際の初期段階の情報処理（認識処理）において視線がどのように誘導されるか、という視線予測性に関しては十分に解析することができない。 また、従来視線予測性について用いられてきた深層学習によるアプローチの場合、デザインを制作するデザイナー（制作者）としては、視線がどこに誘導されたかという結果を知ることはできても、どのような要因（画像特徴量）によって視線が誘導されたのかについては理解が及ばない。このため、深層学習に基づく顕著性の評価結果から、デザインの顕著性・注目性を改善するには何をどのように変更すればよいか、改善の方向性を知ることは困難であるという課題があった。

課題を解決するために、請求項１に記載の発明は、顕著性解析システムであり、 評価対象画像を入力する入力部と、 前記評価対象画像に対して低次の画像特徴量及び高次の画像特徴量を抽出する特徴量抽出部と、 前記低次の画像特徴量及び高次の画像特徴量に基づき、画像内の顕著性を算出する算出部と、 前記評価対象画像の判定エリアを設定するエリア設定部と、 ・・・　続きを知財ポータルサイト IP Force にログインして見る