مدل محاسباتی بازشناسی اشیا مبتنی بر زمان با الهام از سامانه‌ی بینایی انسان

یکی از اصلی‌ترین توانایی‌های شناختی انسان‌ و جانوران بازشناسی اشیا است. سامانه بینایی انسان به عنوان سامانه‌ای سریع و دقیق می‌تواند منبع الهام برای ارائه مدل‌های محاسباتی بازشناسی اشیا باشد. پژوهش‌های پیشین که به بررسی رفتار سامانه‌ی بینایی انسان در بازشناسی اشیا پرداخته‌اند، بر پردازش طی گام‌های زمانی در این سامانه تاکید کرده‌اند، در حالی که در مدل‌های محاسباتی موجود برای بازشناسی اشیا ، چنین چیزی مورد توجه قرار نمی‌گیرد. در این مقاله، تلاش می‌شود تا مدلی چندلایه مبتنی بر زمان برای بازشناسی اشیا ارائه شود. در لایه‌ی نخست مدل، اطلاعات تصویر ورودی در یک بازنمایی زمانی به لایه‌های بعدی ارسال می‌شود. در لایه میانی مدل، از یک شبکه عصبی عمیق به عنوان استخراج‌کننده ویژگی استفاده می‌شود. در پایان، برخلاف مدل‌های محاسباتی موجود بازشناسی اشیا، پیشنهاد می‌شود که برای طبقه‌بندی ویژگی‌های استخراجی از مدل‌های تصمیم‌گیری مبتنی بر سازوکار نرونی تصمیم‌گیری در مغز مانند مدل رانشی-انتشار استفاده شود. به بیان دیگر، در هر یک از این سه لایه، تلاش شده تا تطبیق مناسبی با سازوکار سامانه بینایی انسان اندیشه شود. برای ارزیابی کارایی مدل‌ محاسباتی پیشنهادی در بازشناسی اشیا، آزمون‌های متعددی انجام شده است. نتایج بدست آمده از بررسی مدل پیشنهادی نشان می‌دهد که با دشوارتر شدن تصاویر، افزودن نویز یا بروز انسداد، کارایی مدل در بازشناسی اشیا کاهش می‌یابد و زمان پاسخ‌دهی آن افزایش می‌یابد که این روند با شواهد رفتاری انسانی مطابقت دارد. همچنین عملکرد مدل برای تشخیص شی و طبقه بندی سطح پایه در دو حالت تصاویر اصلی و تصاویر وارونه بررسی شده است. نتایج بدست آمده گویای تفاوت بین پردازش تشخیص شی با طبقه‌بندی سطح پایه است که این نتایج با آزمایش‌های رفتاری گزارش شده در مقاله‌های مرجع هم‌خوانی دارد.