本文選題：目標(biāo)識別 + 分層感知　； 參考：《沈陽理工大學(xué)》2017年碩士論文

【摘要】：隨著人類對生物視覺信息感知機(jī)制的深入了解,模擬大腦視覺感知系統(tǒng)以增強(qiáng)計(jì)算機(jī)視覺的環(huán)境感知與認(rèn)知能力已經(jīng)成為計(jì)算機(jī)視覺領(lǐng)域的研究熱點(diǎn)之一,其主要思想是針對大腦視覺皮層中視覺信息的層次性感知過程進(jìn)行模擬,以實(shí)現(xiàn)目標(biāo)識別的目的。近年來,深度學(xué)習(xí)的發(fā)展使機(jī)器具備分層視覺特征感知能力成為可能,通過深度學(xué)習(xí)提取的特征是一種分層次的高度抽象特征,這種特征能夠在目標(biāo)識別等許多領(lǐng)域的問題求解上獲得更好的效果。本文以具備稀疏連接思想和自我學(xué)習(xí)機(jī)制的卷積神經(jīng)網(wǎng)絡(luò)為框架,融入分層和仿生的思想,模擬人腦分層信息處理機(jī)制,實(shí)現(xiàn)顯著目標(biāo)的準(zhǔn)確識別。模型首先構(gòu)建多通道Gabor小波濾波器組模擬視網(wǎng)膜神經(jīng)節(jié)細(xì)胞感受野視覺刺激響應(yīng),替代傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)的第一層卷積層;在此基礎(chǔ)上,引入神經(jīng)細(xì)胞間的”側(cè)抑制”機(jī)制,采用局部響應(yīng)值歸一化層對神經(jīng)元響應(yīng)進(jìn)行篩選;其中,為了模擬生物神經(jīng)細(xì)胞層次間的稀疏激活性,模型引入修正非線性單元作為激活函數(shù);并利用空間金字塔隨機(jī)池化層自適應(yīng)獲取目標(biāo)的全部有效特征,避免由于圖像壓縮等操作造成的特征損失;最后,模型仿照生物神經(jīng)纖維膜內(nèi)局部電流的隨機(jī)電化學(xué)變化過程,利用隨機(jī)DropConnect方法解決神經(jīng)網(wǎng)絡(luò)計(jì)算常見的過度擬合問題。所提模型通過模擬腹部通路中V1、V2、V4和IT區(qū)的功能,構(gòu)建了具有分層計(jì)算感知不變性特征和具有學(xué)習(xí)、識別能力的分層計(jì)算感知模型。將該模型應(yīng)用在不同規(guī)模數(shù)據(jù)集進(jìn)行訓(xùn)練和驗(yàn)證,在同樣識別條件下,和其他的目標(biāo)識別模型對比,具有更好識別精度,識別穩(wěn)定性。
[Abstract]:With the deep understanding of the mechanism of biological visual information perception, simulating the brain visual perception system to enhance the environmental perception and cognitive ability of computer vision has become one of the research hotspots in the field of computer vision.The main idea is to simulate the hierarchical perception process of visual information in the visual cortex of the brain in order to achieve the goal of target recognition.In recent years, the development of deep learning has made it possible for machines to have the perception ability of hierarchical visual features.This feature can obtain better results in many fields such as target recognition.In this paper, a convolution neural network with sparse connection and self-learning mechanism is used as a framework to simulate the hierarchical information processing mechanism of human brain and to realize the accurate recognition of significant targets by incorporating the idea of stratification and bionics.In the model, a multi-channel Gabor wavelet filter bank was constructed to simulate the visual stimulation response of retinal ganglion cells to replace the first layer of convolution layer of traditional convolutional neural networks, and on this basis, the mechanism of "lateral inhibition" between nerve cells was introduced.In order to simulate the sparse activation of biological nerve cells, a modified nonlinear element is introduced as the activation function.In order to avoid the feature loss caused by image compression and other operations, the model adaptively acquires all the effective features of the target by using the spatial pyramid random cell layer. Finally, the model mimics the stochastic electrochemical process of local currents in the membrane of biological nerve fibers.Stochastic DropConnect method is used to solve the overfitting problem in neural network computation.By simulating the functions of V1 / V2V4 and IT region in abdominal pathway, the proposed model has the characteristics of hierarchical computing perceptual invariance and the ability of learning and recognition.The model is trained and validated in different data sets. Under the same recognition conditions, compared with other target recognition models, the model has better recognition accuracy and stability.
【學(xué)位授予單位】：沈陽理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.41;TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 郎波;黃靜;危輝;;利用多層視覺網(wǎng)絡(luò)模型進(jìn)行圖像局部特征表征的方法[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2015年04期

2 鄭胤;陳權(quán)崎;章毓晉;;深度學(xué)習(xí)及其在目標(biāo)和行為識別中的新進(jìn)展[J];中國圖象圖形學(xué)報(bào);2014年02期

3 邢學(xué)敏;朱建軍;汪長城;易恒;;一種新的CR點(diǎn)目標(biāo)識別方法及其在公路形變監(jiān)測中的應(yīng)用[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2011年06期

4 楊效余;張?zhí)煨?;一種基于復(fù)雜地物背景圖像的目標(biāo)識別方法[J];系統(tǒng)工程與電子技術(shù);2011年01期

5 王惠鋒 ,孫正興 ,王箭;語義圖像檢索研究進(jìn)展[J];計(jì)算機(jī)研究與發(fā)展;2002年05期

相關(guān)博士學(xué)位論文 前6條

1 王曉梅;基于非經(jīng)典感受野機(jī)制的圖像認(rèn)知計(jì)算模型[D];復(fù)旦大學(xué);2012年

2 李凡;復(fù)雜背景抑制及弱小目標(biāo)檢測算法研究[D];西安電子科技大學(xué);2010年

3 陳嘉威;視覺注意計(jì)算模型的研究及其應(yīng)用[D];廈門大學(xué);2009年

4 單列;視覺注意機(jī)制的若干關(guān)鍵技術(shù)及應(yīng)用研究[D];中國科學(xué)技術(shù)大學(xué);2008年

5 楊文璐;視覺感知模型與編碼算法研究[D];上海交通大學(xué);2008年

6 田媚;模擬自頂向下視覺注意機(jī)制的感知模型研究[D];北京交通大學(xué);2007年

相關(guān)碩士學(xué)位論文 前2條

1 程丙寅;仿生腦初級視皮層超柱結(jié)構(gòu)研究[D];吉林大學(xué);2011年

2 彭素靜;基于視覺感知機(jī)理的顯著區(qū)域研究[D];重慶大學(xué);2009年

，

本文編號：1741820