分层视觉特征感知在目标识别中的应用

为了模拟视觉通路的特征抽象与自学习能力,在视神经信息分层处理机制的基础上提出一种特征感知模型.在改进卷积神经网络框架的基础上,首先依据视网膜中神经元的方向选择性、空间局部性以及神经元间的侧抑制性,在初级视觉特征处理中构建一种视网膜拓扑映射;然后在中级视觉特征处理中引入生物神经的稀疏表达法,构建神经突触激活函数,解决了神经计算中常见的过拟合问题;最后提出模拟腹部通路信息传递的具有计算感知不变性的分层视觉特征感知计算模型.应用不同规模数据集进行测试的结果表明,该模型对大规模的目标识别问题具有较好的识别效果,目标识别的平均准确率可达85%.     

基于视觉信息的PCNN参数自适应设定及模型改进

脉冲耦合神经网络(PCNN)参数决定该模型在数字图像处理领域的应用.现阶段网络参数自适应设定是依据图像统计信息或网络自身结构.基于此,提出基于生物视觉信息的PCNN参数自适应设置方法及模型改进.该方法通过对生物视觉感知理论与PCNN网络性质的分析,揭示了视觉感知理论与PCNN网络参数M、W和β的同源性,给出依据视觉感知模型自适应设定PCNN网络参数W、M和β的方法,并设计出具有生物视觉特征的PCNN改进模型.实验验证了该模型的几何不变性,在基于内容的图像检索领域取得了良好效果.     

二阶运动现象及其分析研究

生物视觉关于二阶运动的研究成果,为计算机视觉的发展提供新的理论支持和研究方向.本文深入分析二阶运动信号,按照信号调制的方式将其分为空间调制、时间调制、时空调制三类运动.利用基于相关模型的一阶运动感知系统及纹理捕获器加相关模型的二阶运动感知系统对各类二阶运动现象进行实验,计算结果支持生物视觉关于二阶运动是由非线性的感知系统加工的结论.     

生物启发的人群突发局部聚集感知神经网络

公共场所中的人群突发局部聚集常是异常事件发生的先兆,由于其随机性强,前兆特征不明显,现有的传统计算机视觉技术较难对其有效检测。基于蝗虫视觉系统的神经结构特性与小叶巨型运动检测器（lobula giant movement detector,LGMD）危险感知机理,提出一种人群突发局部聚集行为检测的LGMD改进型神经网络模型。该模型感知人群活动在视野域中引发的视觉信号,基于哺乳动物视网膜视觉信号处理机制整合视觉运动线索,借助LGMD神经元危险感知机理构建尖峰阈值机制调谐神经网络输出,以感知人群活动中的突发聚集行为。不同场景下的人群活动视频实验结果表明,提出的神经网络能有效检测视野域中人群突发局部聚集行为并对其预警。该文涉及生物视神经机理启发的人群活动动态视觉信息加工处理,可为智能视频监控中的人群活动检测与行为分析提供新思想、新方法。     

视觉审美体验的类脑计算模型研究进展

目前神经科学与信息科学交叉发展的一个重要方向是面向高级认知功能的神经系统模型的构建,其标志着人类对自身特有的心智活动的研究进入到一个新阶段。简要综述了关于视觉审美体验的生理基础研究的进展,指出大脑神经回路是视觉审美体验的生理基础,其所涉及的大脑皮层和脑组织在视觉情感感知中功能的科学解析是构建类脑计算模型的基础。分别介绍了神经信息学、神经认知科学和神经美学框架下的视觉审美体验的类脑计算模型,并对模型进行了比较分析。对视觉审美体验的类脑计算模型研究的发展趋势进行了展望,阐述了该领域研究的意义。视觉审美体验类脑模型的构建有助于揭示大脑皮层和脑组织在视觉情感感知中的功能,有助于实现视觉情感体验的认知模拟。     

基于局部平面拟合的神经形态视觉光流估计算法

在新一代人工智能领域中,神经形态视觉是类脑计算的一个重要研究方向。事件相机具有低功耗、低信息冗余以及高动态范围等优点,在智能飞行器、敏捷机器人的自主控制场景中具有重要应用价值。本文根据事件序列的时空特性,研究基于局部平面拟合的光流估计原理,提出一种运用特征值法进行局部平面拟合来估计光流的算法,并采用随机抽样一致方法进一步提高算法的稳健性。实验表明,本文方法能够有效进行神经形态视觉的光流估计,并且对噪声具有一定的稳健性。     

基于多级特征图联合上采样的实时语义分割

视觉感知是无人驾驶技术中的重要一环,而语义分割技术又是实现视觉感知的主要技术手段之一.现在的语义分割技术多采用计算量大、内存占用高的空洞卷积来提取高分辨率特征图,从而导致现在主流的语义分割网络分割速度不足,无法有效应用于无人驾驶的场景中.针对这一问题,提出了一种实时性更好的语义分割网络.首先,采用了一种轻量级的卷积神经...     

虚拟驾驶员视觉感知模型研究

视觉是驾驶员获得驾驶信息的主要通道,虚拟驾驶员的视觉感知模型是驾驶行为建模与仿真的重要内容,直接影响驾驶行为仿真的逼真度。介绍了四种视觉感知建模方法,根据视觉感知系统的反馈性和选择性,建立了视觉感知模型。在模型中,将视觉感知分为感觉和知觉两个过程,并引入了注意力、记忆力、驾驶疲劳和驾驶经验等因素,对每个因素进行分析。通过对虚拟驾驶员视觉感知模型的仿真实验,验证了该模型的可靠性和有效性,为驾驶行为研究提供了基础。     

生物视觉系统的神经网络编码模型综述

生物视觉系统的研究一直是计算机视觉算法的重要灵感来源。有许多计算机视觉算法与生物视觉研究具有不同程度的对应关系,包括从纯粹的功能启发到用于解释生物观察的物理模型的方法。从视觉神经科学向计算机视觉界传达的经典观点是视觉皮层分层层次处理的结构。而人工神经网络设计的灵感来源正是视觉系统中的分层结构设计。深度神经网络在计算机视觉和机器学习等领域都占据主导地位。许多神经科学领域的学者也开始将深度神经网络应用在生物视觉系统的计算建模中。深度神经网络多层的结构设计加上误差的反向传播训练,使得它可以拟合绝大多数函数。因此,深度神经网络在学习视觉刺激与神经元响应的映射关系并取得目前性能最好的模型同时,网络内部的单元甚至学习出生物视觉系统子单元的表达。本文将从视网膜等初级视觉皮层和高级视觉皮层(如,视觉皮层第4区(visual area 4,V4)和下颞叶皮层(inferior temporal,IT))分别介绍基于神经网络的视觉系统编码模型。主要内容包括:1)有关视觉系统模型的概念与定义;2)初级视觉系统的神经网络预测模型;3)任务驱动的高级视觉皮层编码模型。最后本文还将介绍最新有关无监督学习的神经编码...     

一种用于加速神经视觉识别的硬件架构

深度学习的广泛应用带来了视觉分析中许多类似人类认知任务的实现。HMAX 是基于视觉皮层的生物启发模型，已在多类物体识别中被证明优于标准计算机视觉方法。但是，由于神经形态算法的高复杂性，在边缘设备上实现 HMAX 模型仍然面临巨大挑战。已有研究表明，HMAX 的 S2 阶 段是运行最耗时的阶段。该文提出了一种基于脉动阵列的新架构来加速 HAMX 模型的 S2 阶段。仿真结果表明，与基准模型相比，HMAX 模型最耗时的 S2 阶段执行时间平均减少了 14.65％、内存所需的带宽减少了 3.34 倍。