بهبود مدل سلسله مراتبی بازشناسی اشیا مبتنی بر یافته های بیولوژیکی دستگاه بینایی
چکیده
انسان به سرعت و به طور موثر می تواند اشیا متفاوت را در صحنه های طبیعی و پیچیده شناسایی کند. این توانایی برجسته الهام بخش بسیاری از مدل های محاسباتی شناسایی اشیا بوده است. بسیاری از این مدل ها سعی به تقلید رفتار این دستگاه تحسین برانگیز دارند. دستگاه بینایی انسان اشیا را در یک سلسله مراتب از چندین مرحله پردازش شناسایی می کند. در طول این مراحل مجموعه ای از ویژگی ها با پیچیدگی فزاینده ای توسط بخش های مختلف دستگاه بینایی استخراج می گردد. ویژگی های ساده تر و ابتدایی مانند میله ها و لبه ها در سطوح اولیه مسیر بینایی پردازش شده و همچنان که در این مسیر بالا می رویم ویژگی های پیچیده تر مورد توجه و پردازش قرار می گیرند. این که چه ویژگی هایی از شی انتخاب می گردند و مورد پردازش قرار می گیرند همیشه مسئله ی مهمی در پردازش اشیا توسط قشر بینایی بوده است. برای پرداختن به این مساله، ما یک مدل سلسله مراتبی، که با یافته های بیولوژیکی سازگار است را گسترش داده و سپس آنرا در آزمایش های متفاوت شناسایی اشیا مورد ارزیابی قرار دادیم. در این مدل، مجموعه ای از بخش های شی، که با نام تکه های تصویر شناخته می شوند، در مراحل میانی استخراج می گردند. این تکه های تصویر برای آموزش در این مدل استفاده می شود و نقش مهمی در شناسایی شی ایفا می کنند. این تکه های تصویر بدون هدف و کورکورانه از مواضع مختلف از یک تصویر انتخاب شده که این موضوع می تواند منجر به استخراج تکه های غیر تبعیض آمیز گردد که در نهایت ممکن است عملکرد مدل را کاهش دهد. در روش پیشنهادی، از الگوریتم تکاملی برای انتخاب مجموعه ای از تکه های تصویر با اطلاعات مفید برای شناسایی اشیا گوناگون استفاده گردید. نتایج نشان می دهد که این تکه ها حاوی اطلاعات بیشتر و مفیدتری نسبت به تکه های معمول که به روش کورکورانه و تصادفی انتخاب می شوند هستند. همچنین نشان داده خواهد شد که قدرت مدل ارایه شده بر روی طیف وسیعی از تصاویر از پایگاه داده های مختلف قابل توجه بوده است. نتایج آزمایش ها نشان می دهد که ویژگی های انتخاب شده به طور کلی بخش های خاصی از تصاویر هدف هستند. این ویژگی های انتخاب شده که بخش هایی از اشیا هدف را ارایه می دهند مجموعه-ای کارآمد برای تشخیص اشیا می باشند