大脑皮层视觉通路计算模型的物体识别.pptVIP

题目: Robust Object Recognition with Cortex-Like Mechanisms 作者：Thomas Serre , Tomaso Poggio 讲解人：Su Yu 作者的相关信息 Thomas Serre 2005年获得博士学位 computational neuroscience MIT, Brain and Cognitive Science Dept, Cambridge, MA. Advisor: Tomaso Poggio 所在机构 Postdoctoral associate at the Center for Biological and Computational Learning (CBCL) at MIT 主要研究方向 Biological vision, machine vision, object recognition, computational neuroscience, learning in cortex 主要的学术贡献点 提出了一个关于视觉皮层腹部通路(ventral stream of visual cortex)中回路和计算的定量模型。 提出了一个component-based的人脸检测/识别模型。 作者的相关信息 Tomaso Poggio 所在机构 Department of Brain Cognitive Sciences and Artificial Intelligence Laboratory, Massachusetts Institute of Technology 主要研究方向 the processes by which the brain learns to recognize and categorize visual objects /cbcl/web-pis/poggio/index.htm 文章的相关信息 PAMI 2007.3 相关文献 M. Riesenhuber and T. Poggio, “Hierarchical Models of Object Recognition in Cortex,” Nature Neuroscience, vol. 2, no. 11, pp. 1019-1025, 1999. T. Serre, M. Kouh, C. Cadieu, U. Knoblich, G. Kreiman, and T. Poggio, “A Theory of Object Recognition: Computations and Circuits in the Feedforward Path of the Ventral Stream in Primate Visual Cortex,” AI Memo 2005-036/CBCL Memo 259, Massachusetts Inst. of Technology, Cambridge, 2005. 文章摘要 受生物学的启发，我们提出了一种识别复杂视觉场景的新的通用框架。在这个框架中，我们描述了一个与视觉皮层组织结构非常相似的一个层次化模型，并且通过交替进行模板匹配(template matching)和最大化操作(maximum pooling operation)，得到复杂性和不变性越来越高的特征表示。 我们在多个识别任务上验证了这种方法的正确性，包括复杂场景中单类或多类物体的识别，以及依赖于识别shape-based和texture-based物体的复杂场景理解。 在满足一些生物学限制条件的情况下，这种方法的性能非常好：它可以从少量训练样本中进行学习，并且与目前最好的系统旗鼓相当。除了与计算机视觉的相关性，这种方法的成功证明了大脑皮层中物体识别前馈模型的正确性。 研究背景和研究意义 研究背景 研究大脑视觉皮层中物体识别的过程对于神经科学（Neuroscience）来说是一个关键的问题。 计算机视觉中神经科学的应用局限在推导立体视(stereo)算法和验证DoG以及Gabor的正确性。 一些基于仿生的高层次特征没有在实际的图像数据库上验证。 研究意义 人类和哺乳动物的视觉系统优于目前的机器视觉的系统，因此模仿大脑皮层中物体识别的过程就变得非常有吸引力。 前人相关工作的介绍 相关工作 层次化结构 Constellation model Multilayered convolutional networks 。。。 物体表示方法 Appearance-based 区分性强但缺乏不变性。 Histogram-based 不变性强但缺乏区分性。 本文所研究问题的提出 问题的提出 不变性（Invariance）和区