模拟视觉皮层工作机制的发育网络模型研究

摘要

物体识别是计算机视觉领域的核心问题之一，相比于计算机视觉，人类视觉系统能快速、准确地识别视野中的目标，所以近些年涌现出很多模拟人类视觉系统工作机制的物体识别模型。本文引入了发育网络模型，对图像中目标物体进行识别，接着模拟视觉皮层中较为重要的两条通路，腹侧通路和背侧通路，构建了仿大脑皮层工作机制的模型，对复杂背景下目标物体进行识别。本文虽然以图像中人脸的识别作为物体识别的例子，但重点不是物体识别而是模型本身的研究，通过人脸识别来验证发育网络模型在物体识别上的有效性。　　首先介绍了发育网络的基本原理，算法流程以及内部的竞争机制，并指出了与传统网络的区别；其次构建基本发育网络模型，用ORL人脸库来验证模型，网络权值采用两种初始化的方式，图片初始化和随机初始化，结果中对比识别率，最高能达到95％以上；然后，制作带复杂背景的人脸图库，在发育网络模型中引入模拟大脑工作的突触维护机制，该机制可以弱化背景干扰，使网络模型仅处理感兴趣的目标区域，最后的实验对比了加与不加该机制得到的识别率，最高能达到96%以上，验证了该模型可以检测识别复杂背景中的物体。　　最后，在发育网络的基础上，引入了Where-What Network模型。先介绍了模型特点，再对其网络结构中的感受野、神经元状态等内部参数和网络计算流程做了说明，然后设计实验和分析结果，对内部权重进行了可视化；网络不仅可以识别复杂背景中人脸的类型，还可以对人脸的位置、尺寸进行有效的检测，由实验结果可知，类型识别率最高能到100%，位置识别误差最低可以降至1个像素以内，尺寸识别误差最低接近于1个像素，结果验证了模型的有效性。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1 选题的背景与意义

1.2 国内外研究现状

1.3 本文的主要研究内容及组织结构

2 发育网络

2.1 基本原理

2.2 DN算法

2.3 Top-k竞争

2.4 与传统网络的区别

2.5 本章小结

3 基础DN模型

3.1 ORL人脸库

3.2 实验内容

3.3 结果及分析

3.4 本章小结

4 带突触维护的DN模型

4.1 突触维护

4.2 构建图库

4.3 实验设计

4.4 结果及分析

4.5本章小结

5 Where-What Networks 模型

5.1 模型概述:

5.2 网络结构

5.3 网络计算

5.4 实验及分析

5.5 本章小结

6 总结与展望

参考文献

致谢

个人简历、在校期间发表的学术论文及研究成果