استخراج ویژگی‌ها جهت بازشناسی اشیا با الهام از بینایی انسان

در این مقاله سعی شده است تا با الگو برداری از سامانه‌ی بینایی انسان، یک روش مقاوم و تکرارپذیر برای بازشناسی اشیا ارائه شود. یکی از معروف­ترین مدل­های ارائه شده مبتنی بر بینایی انسان، مدل HMAX می­باشد که عمل‌کرد مناسبی در بازشناسی اشیا از خود نشان داده است. اما تفاوت­هایی نیز بین این مدل و بینایی انسان وجود دارد، به طوری که رویه‌ی مغز به طور کامل مدل نشده است. از جمله نواقص این مدل می­توان به تکرارناپذیری (حتی در شرایط ثابت)، وجود افزونگی بسیار زیاد و در نتیجه حجم بالای محاسبات و کند بودن اشاره کرد. در این مقاله، سعی شده است تا با مدل کردن عمل‌کرد بخش ثانویه‌ی قشر بینایی و اضافه کردن آن به HMAX، مدل کامل­تری از بینایی انسان ارائه گشته و نقاط ضعف مدل HMAX ، پوشش داده شود. بخش اضافه شده، مانند بخش ثانویه‌ی قشر بینایی، با تمرکز روی ویژگی­های سطح بالاتر و انتخاب ویژگی­های متمایزکننده و البته تکرارپذیر، باعث بهبود یافتن عمل‌کرد مدل خواهد شد. بخش اضافه شده، بار محاسباتی بسیار اندکی داشته به طوری که نه‌تنها باعث کند شدن مدل نمی­شود، بلکه با انتخاب ویژگی­های مختصر و مفید، باعث افزایش سرعت نیز خواهد شد. روش پیشنهادی از لحاظ دقت و زمان پردازش با روش استاندارد مقایسه شده و برتری مدل پیشنهادی نشان داده شده است. علاوه بر آن، تاثیر تعداد ویژگی­های استخراج شده و تعداد تصاویر مورد استفاده جهت آموزش، مورد بررسی قرار گرفته است تا برتری روش پیشنهادی، به ویژه در زمانی که تعداد تصاویر اندکی در دست می‌باشد، نشان داده شود.