受生物啟發(fā)的物體識(shí)別算法研究.pdf

1、生物視覺(jué)系統(tǒng)是人類已知的最為強(qiáng)大和完善的視覺(jué)系統(tǒng)，其結(jié)構(gòu)特點(diǎn)和運(yùn)行機(jī)制對(duì)計(jì)算機(jī)視覺(jué)模型有重要的啟發(fā)意義。近幾十年來(lái)，對(duì)生物視覺(jué)系統(tǒng)的研究取得了非常豐富的研究成果。基于現(xiàn)有計(jì)算機(jī)架構(gòu)，可以從這些研究成果中總結(jié)出具有啟發(fā)意義的生物機(jī)制，用于指導(dǎo)物體識(shí)別算法的設(shè)計(jì)與建構(gòu)。
　　本文從計(jì)算機(jī)視覺(jué)系統(tǒng)整體設(shè)計(jì)的角度，通過(guò)對(duì)基本生物機(jī)制的分析，探討它們與計(jì)算機(jī)視覺(jué)模型之間的聯(lián)系。根據(jù)對(duì)生物機(jī)制的分析，總結(jié)了計(jì)算機(jī)模型設(shè)計(jì)的指導(dǎo)性原則，認(rèn)為在設(shè)

2、計(jì)物體識(shí)別算法時(shí)，應(yīng)考慮分層結(jié)構(gòu)、感受野、底層特征學(xué)習(xí)、計(jì)算的局部性、結(jié)構(gòu)的一致性、信號(hào)反饋以及注意力選擇等方面的特性。利用這些指導(dǎo)性原則，對(duì)相關(guān)物體識(shí)別算法的優(yōu)缺點(diǎn)進(jìn)行了分析，并應(yīng)用到實(shí)際的模型設(shè)計(jì)中:
　　1.利用分層結(jié)構(gòu)、底層特征學(xué)習(xí)、計(jì)算的局部性、結(jié)構(gòu)的一致性以及信號(hào)反饋等生物啟發(fā)的特性，提出一種多層在位學(xué)習(xí)網(wǎng)絡(luò)。即利用統(tǒng)一的神經(jīng)元模型構(gòu)建多層神經(jīng)網(wǎng)絡(luò)，在同樣的學(xué)習(xí)框架中整合無(wú)監(jiān)督學(xué)習(xí)與監(jiān)督學(xué)習(xí)，通過(guò)軟性監(jiān)督的方式將監(jiān)督信

3、息自上而下傳遞，避免了反向傳播網(wǎng)絡(luò)的局部極小問(wèn)題和梯度消失問(wèn)題。模型通過(guò)對(duì)環(huán)境與任務(wù)的學(xué)習(xí)與適應(yīng)得到分層的特征表示和自下而上逐漸增強(qiáng)的特征不變性。軟性監(jiān)督信號(hào)有效地提高了神經(jīng)元的類型純度，有利于改善特征不變性并提升分類性能。分層的特征不變性可以在不同任務(wù)間共享，加快新任務(wù)的學(xué)習(xí)速度。
　　2.在多層在位學(xué)習(xí)網(wǎng)絡(luò)模擬多個(gè)皮層結(jié)構(gòu)的基礎(chǔ)上，對(duì)皮層內(nèi)部功能層進(jìn)行了建模，實(shí)驗(yàn)表明皮層內(nèi)部無(wú)監(jiān)督與有監(jiān)督功能的分離是必要的。另外在皮層內(nèi)部結(jié)構(gòu)

4、上模擬了自適應(yīng)的側(cè)向連接權(quán)重，網(wǎng)絡(luò)通過(guò)自適應(yīng)學(xué)習(xí)得到形如墨西哥帽的側(cè)向連接權(quán)重，這種特性有助于自組織特征映射的形成以及建構(gòu)更接近生物機(jī)制的物體識(shí)別算法。
　　3.利用分層結(jié)構(gòu)、感受野、底層特征學(xué)習(xí)、結(jié)構(gòu)的一致性以及信號(hào)反饋等生物啟發(fā)的特性，選擇多層神經(jīng)網(wǎng)絡(luò)最優(yōu)的底層特征設(shè)定方式。通過(guò)一個(gè)完整的物體識(shí)別任務(wù)，比較了不同的底層特征感受野設(shè)定方式。在實(shí)驗(yàn)中，生物啟發(fā)的底層特征學(xué)習(xí)方式取得了最高的識(shí)別率，并且生成與簡(jiǎn)單細(xì)胞感受野非常相似的