基于稀疏編碼的視覺(jué)模型及其應(yīng)用.pdf

1、視覺(jué)感知一直是科學(xué)研究中吸引人們已久的問(wèn)題之一。如何設(shè)計(jì)、制造能夠像人類視覺(jué)系統(tǒng)一樣高速而又有效的方式處理視覺(jué)信號(hào)的系統(tǒng)，一直以來(lái)是人類追求的夢(mèng)想。雖然隨著科學(xué)技術(shù)發(fā)展，計(jì)算機(jī)的計(jì)算能力飛速上升，圖像高精度高速采集硬件普及，視覺(jué)算法不斷提出和改進(jìn)，和越來(lái)越多的神經(jīng)生物實(shí)驗(yàn)數(shù)據(jù)，要設(shè)計(jì)出一個(gè)完善的系統(tǒng)能夠處理哪怕人類視覺(jué)的初級(jí)任務(wù)，例如人臉檢測(cè)，識(shí)別等等，都是一項(xiàng)極為挑戰(zhàn)的問(wèn)題。通過(guò)生物視覺(jué)來(lái)研究經(jīng)過(guò)長(zhǎng)期進(jìn)化過(guò)的生物視覺(jué)系統(tǒng)有效工作的特征

2、和機(jī)理，結(jié)合計(jì)算機(jī)視覺(jué)學(xué)習(xí)和模擬這些特征和機(jī)理來(lái)處理這些任務(wù)，被認(rèn)為是解決該問(wèn)題的有效途徑之一。 本文系統(tǒng)介紹了人類視覺(jué)系統(tǒng)，尤其是人類視覺(jué)初級(jí)系統(tǒng)，以及它們的功能結(jié)構(gòu)和特征。同時(shí)，本文也簡(jiǎn)要介紹了現(xiàn)在流行的建模工具，包括概率模型和線性生成框架。本文還介紹了主成份分析，獨(dú)立成分分析和稀疏編碼，及如何使用這些算法對(duì)人類視覺(jué)初級(jí)系統(tǒng)建模，可以表現(xiàn)出其具有的稀疏性(sparse)，超完備(overcomplete)，拓?fù)?topogr

3、aphy)等特征。 本文的研究?jī)?nèi)容和主要貢獻(xiàn)有： 1.對(duì)稀疏先驗(yàn)的評(píng)價(jià)。稀疏屬性被認(rèn)為是人腦細(xì)胞能夠高速有效的工作特征之一。然而，如何定義信號(hào)稀疏還一直是爭(zhēng)論的問(wèn)題。為什么有些分布被認(rèn)為是稀疏的，而有些分布則不是，這些判斷仍然具有一定的主觀因素。本文通過(guò)對(duì)經(jīng)典的稀疏編碼模型，推導(dǎo)出有些稀疏先驗(yàn)?zāi)軌蛲ㄟ^(guò)使某個(gè)神經(jīng)元本該自己表征的響應(yīng)分配給其他神經(jīng)元來(lái)減少目標(biāo)函數(shù)值。這種現(xiàn)象不符合稀疏性質(zhì)。我們定義該值為"復(fù)制獎(jiǎng)勵(lì)"并得到稀

4、疏函數(shù)次加性的性質(zhì)。我們使用該性質(zhì)對(duì)不同的概率密度函數(shù)進(jìn)行檢驗(yàn)，并通過(guò)實(shí)驗(yàn)來(lái)驗(yàn)證。 2.使用相似函數(shù)學(xué)習(xí)拓?fù)浣Y(jié)構(gòu)。引入了使用一層的網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)出具有拓?fù)涮卣鞯腣1的簡(jiǎn)單細(xì)胞感受野。由于使用傳統(tǒng)的稀疏編碼，即使沒(méi)有使用拓?fù)涞南闰?yàn)，得到的簡(jiǎn)單細(xì)胞的特征本身就包含了一定的拓?fù)湫畔?。因此，相?duì)于以前使用了兩層網(wǎng)絡(luò)和加入了拓?fù)湎闰?yàn)的模型，使用改進(jìn)之后的單層模型也能夠?qū)W習(xí)出具有超完備的拓?fù)涮卣鳌?3.基于非負(fù)稀疏編碼的拓?fù)?。非?fù)矩陣