Biologiškai įkvėptos regėjimo sistemos

MIT neuromokslininkai sukūrė kompiuterinį modelį, kuris imituoja žmogaus regėjimo sistemą, kad būtų galima tiksliai aptikti ir atpažinti objektus judrioje gatvės scenoje, pavyzdžiui, automobilius ir motociklus.

Atpažinti objektus scenoje, pavyzdžiui, automobilį čia parodytame gatvės vaizde, kompiuteriams gali būti sunku. Modelis, kaip smegenys apdoroja vaizdinę informaciją, siūlo sėkmingą požiūrį.

Tokios biologiškai įkvėptos regėjimo sistemos netrukus galėtų būti naudojamos stebėjimo sistemose arba išmaniuosiuose jutikliuose, kurie gali įspėti vairuotojus apie pėsčiuosius ir kitas kliūtis. Tai taip pat gali padėti kuriant vadinamąsias vaizdines paieškos sistemas, sako Tomas Serras , neurologas Biologinio ir kompiuterinio mokymosi centras MIT McGovern smegenų tyrimų institute, kuris dalyvavo projekte.

Tyrėjai jau daugelį metų domisi bandymais kopijuoti biologinio regėjimo sistemas vien dėl to, kad jos yra tokios geros, sako Davidas Hoggas, kompiuterinio matymo ekspertas iš Lidso universiteto JK. Tai labai sėkmingas [biologinio regėjimo imitavimo] pavyzdys, sako jis.

Išmokyti kompiuterį klasifikuoti objektus pasirodė daug sunkiau, nei buvo tikėtasi iš pradžių, sako Serre, kuris atliko darbą su Tomaso Poggio , centro bendradirektorius. Viena vertus, norint atpažinti tam tikro tipo objektą, pvz., automobilį, kompiuteriui reikia tam konkrečiam objektui būdingo šablono arba skaičiavimo vaizdavimo. Toks šablonas leidžia kompiuteriui atskirti automobilį nuo kitų klasių objektų – ne automobilių. Tačiau šis vaizdas turi būti pakankamai lankstus, kad apimtų visų tipų automobilius, nesvarbu, kokia jų išvaizda skiriasi, skirtingais kampais, padėtimis ir pozomis bei skirtingomis apšvietimo sąlygomis.

Norite atpažinti objektą bet kurioje regėjimo lauko vietoje, nesvarbu, kur jis yra ir kokio dydžio, sako Serre. Tačiau jei analizuosite vaizdus tik pagal šviesių ir tamsių pikselių raštus, du skirtingų žmonių portretiniai vaizdai gali atrodyti panašesni nei du to paties asmens vaizdai, nufotografuoti skirtingais kampais.

Veiksmingiausias būdas apeiti tokias problemas yra išmokyti mokymosi algoritmą pagal vaizdų rinkinį ir leisti jam išskirti jiems būdingas savybes; Pavyzdžiui, du ratai, sulygiuoti su keliu, gali signalizuoti apie automobilį. Serre'as ir Poggio mano, kad žmogaus regėjimo sistema taiko panašų metodą, tačiau tą, kuris priklauso nuo vienas po kito einančių regos žievės sluoksnių hierarchijos. Pirmieji žievės sluoksniai aptinka paprastesnes objekto savybes, tokias kaip briaunos, o aukštesni sluoksniai integruoja šią informaciją, kad susidarytų mūsų suvokimas apie objektą kaip visumą.

Siekdami patikrinti savo teoriją, Serre'as ir Poggio dirbo su Stanley Bileschi, taip pat iš MIT, ir Lioru Wolfu, Tel Avivo universiteto (Izraelis) informatikos katedros nariu, kad sukurtų kompiuterinį modelį, sudarytą iš 10 milijonų skaičiavimo vienetų, kurių kiekvienas yra skirtas veikti. kaip neuronų sankaupos regėjimo žievėje. Kaip ir žievėje, klasteriai yra suskirstyti į sluoksnius.

Kai modelis pirmą kartą išmoksta matyti, kai kurie į ląstelę panašūs vienetai, analizuodami labai mažas pikselių grupes, išskiria elementarias scenos ypatybes, pvz., orientuotus kraštus. Šie neuronai paprastai yra tarsi skylutės, kurios žiūri į nedidelę regėjimo lauko dalį, sako Serre. Sudėtingesni įrenginiai gali užfiksuoti didesnę vaizdo dalį ir atpažinti ypatybes, nepaisant jų dydžio ar padėties. Pavyzdžiui, jei paprasti įrenginiai aptinka vertikalius ir horizontalius kraštus, sudėtingesnis įrenginys gali naudoti šią informaciją kampui aptikti.

Su kiekvienu tolesniu sluoksniu iš vaizdo išgaunamos vis sudėtingesnės funkcijos. Taip pat yra ir ypatybių santykiai, pvz., atstumas tarp dviejų objekto dalių arba skirtingi kampai, kuriais abi dalys yra orientuotos. Ši informacija leidžia sistemai atpažinti tą patį objektą skirtingais kampais.

Mums buvo staigmena, kai pritaikėme šį modelį realaus pasaulio vizualinėms užduotims ir jis puikiai konkuravo su geriausiomis sistemomis, sako Serre. Iš tiesų, kai kurių bandymų metu jų modelis sėkmingai atpažino objektus vidutiniškai daugiau nei 95 procentus laiko. Kuo daugiau vaizdų sistema apmokoma, tuo tiksliau ji veikia.

Galbūt neturėtume stebėtis, sako Davidas Lowe'as , kompiuterinio matymo ir objektų atpažinimo ekspertas Britų Kolumbijos universitete Vankuveryje. Žmogaus regėjimas yra daug geriau atpažįstamas nei bet kuri iš mūsų dabartinių kompiuterių sistemų, todėl bet kokios užuominos, kaip elgtis iš biologijos, gali būti labai naudingos.

Šiuo metu sistema skirta analizuoti tik nejudančius vaizdus. Tačiau tai labai atitinka žmogaus regėjimo sistemos veikimo būdą, sako Serre. Jis sako, kad regėjimo žievės įvestis dalijasi sistema, kuri nagrinėja formas ir tekstūras, o atskira sistema – su judėjimu. Komanda šiuo metu stengiasi įtraukti lygiagrečią sistemą, kad galėtų susidoroti su vaizdo įrašais.

paslėpti