基于稀疏編碼的視覺模型及其應用.pdf

1、視覺感知一直是科學研究中吸引人們已久的問題之一。如何設計、制造能夠像人類視覺系統(tǒng)一樣高速而又有效的方式處理視覺信號的系統(tǒng)，一直以來是人類追求的夢想。雖然隨著科學技術發(fā)展，計算機的計算能力飛速上升，圖像高精度高速采集硬件普及，視覺算法不斷提出和改進，和越來越多的神經(jīng)生物實驗數(shù)據(jù)，要設計出一個完善的系統(tǒng)能夠處理哪怕人類視覺的初級任務，例如人臉檢測，識別等等，都是一項極為挑戰(zhàn)的問題。通過生物視覺來研究經(jīng)過長期進化過的生物視覺系統(tǒng)有效工作的特征

2、和機理，結合計算機視覺學習和模擬這些特征和機理來處理這些任務，被認為是解決該問題的有效途徑之一。 本文系統(tǒng)介紹了人類視覺系統(tǒng)，尤其是人類視覺初級系統(tǒng)，以及它們的功能結構和特征。同時，本文也簡要介紹了現(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，獨立成分分析和稀疏編碼，及如何使用這些算法對人類視覺初級系統(tǒng)建模，可以表現(xiàn)出其具有的稀疏性(sparse)，超完備(overcomplete)，拓撲(topogr

3、aphy)等特征。 本文的研究內容和主要貢獻有： 1.對稀疏先驗的評價。稀疏屬性被認為是人腦細胞能夠高速有效的工作特征之一。然而，如何定義信號稀疏還一直是爭論的問題。為什么有些分布被認為是稀疏的，而有些分布則不是，這些判斷仍然具有一定的主觀因素。本文通過對經(jīng)典的稀疏編碼模型，推導出有些稀疏先驗能夠通過使某個神經(jīng)元本該自己表征的響應分配給其他神經(jīng)元來減少目標函數(shù)值。這種現(xiàn)象不符合稀疏性質。我們定義該值為"復制獎勵"并得到稀

4、疏函數(shù)次加性的性質。我們使用該性質對不同的概率密度函數(shù)進行檢驗，并通過實驗來驗證。 2.使用相似函數(shù)學習拓撲結構。引入了使用一層的網(wǎng)絡結構學習出具有拓撲特征的V1的簡單細胞感受野。由于使用傳統(tǒng)的稀疏編碼，即使沒有使用拓撲的先驗，得到的簡單細胞的特征本身就包含了一定的拓撲信息。因此，相對于以前使用了兩層網(wǎng)絡和加入了拓撲先驗的模型，使用改進之后的單層模型也能夠學習出具有超完備的拓撲特征。 3.基于非負稀疏編碼的拓撲。非負矩陣