محمد گنج تابش - دانشکده ریاضی، آمار و علوم کامپیوتر پردیس علوم دانشگاه تهران تهران - ایران

تصویر منعکس شده از اشیاء پیرامون بر روی شبکیه چشم همواره با تغییراتی در اندازه، زاویه دید، شرایط نوری، پس زمینه و نوفه همراه است. با این وجود، سیستم بینایی انسان می تواند اشیاء را در زمان بسیار کوتاهی شناسایی کند. تا به امروز مدل های محاسباتی متعددی به منظور شبیه سازی فرایند پردازشی سلسله مراتبی در قشر بینایی مغز ارائه شده اند که با موفقیت های محدودی همراه بوده اند. در این مقاله نشان می دهیم که ترکیب ساختاری مبتنی بر قشر بینایی با قواعد یادگیری موجود در مغز منجر به افزایش دقت در بازشناسی اشیاء مستقل از تغییرات می گردد. مدل پیشنهادی یک شبکه عصبی ضربه ای پیشرو است که در آن نورون های لایه اول لبه های موجود در تصویر با زوایای مختلف را شناسایی می کنند به طوری که نورون متناظر با لبه ای با تضاد نوری بیشتر سریع تر از سایر نورون ها فعال می شود. نورون های لایه بعدی نیز با استفاده از قاعده یادگیری وابسته به ترتیب زمانی ضربه ها به یادگیری ویژگی های بینایی موجود در تصاویر ورودی می پردازند. نتایج به دست آمده بر روی مجموعه داده های ۳D-Object و ETH-۸۰، قدرت بالای مدل پیشنهادی در بازشناسایی اشیاء را نشان می دهد. همچنین ویژگی های استخراج شده در مدل پیشنهادی بازسازی و به همراه مکان شناسایی آن ها در تصاویر ورودی نشان داده شده اند.

بازشناسی اشیاء, قشر بینایی, شبکه عصبی ضربه ای