هر شی بسته به موقعیت اش نسبت به مشاهده کننده، آرایش منابع نوری و حضور اشیا دیگر می تواند بیشمار تصویر در شبکیه ایجاد کند. با وجود این تغییرات بسیار گسترده، مغز ما می تواند هزاران دسته شی متفاوت را به سرعت و بدون زحمت تشخیص دهد. به علاوه با وجود اینکه محیط اطراف ما به تدریج تغییر می کند، مغز ما به طور مداوم اطلاعات بینایی را در مورد تغییر فیزیکی اشیا با یکدیگر تلفیق کرده، یک نمایش به روز از اشیا حفظ کرده و به این ترتیب ناوردایی هویت شی را حفظ می کند. تحقیقات وسیع بیولوژیکی نشان داده اند که تشخیص اشیا در قشر مغز توسط مسیر شکمی بینایی انجام می گیرد که از قشر اصلی بینایی شروع شده و توسط مناطق فرابیناییِ v2 و v4 به قشر گیجگاهی تحتانی (it) می رسد. سیگنال بینایی سپس به قشر جلو-پیشانی می رسد که مسئول ارتباط ادراک، حافظه و عکس العمل است. با وجود حضور گسترده مسیرهای بازگشتی در تقریباً تمام مناطق قشری بینایی، از آنجایی که تولید پاسخ های انتخاب گر در سلول های it بسیار سریع صورت می گیرد و به تبع آن تشخیص و دسته بندی اشیا نیز بسیار سریع (ms ???) است، پیشنهاد شده است که پردازش اصلی اطلاعات در مسیرِ سلسه مراتبی پیش خور انجام می گیرد. در این پایان نامه ضمن معرفی مدل های تشخیص اشیا بر پایه ساختار پیش خورِ سلسله مراتب بیناییِ مغز، از یک مدل استاندارد برای بازتولید پاسخ نورون های it به تصاویر تغییر شکل یافته بین دو تصویرِ چهره استفاده می شود. سپس با اعمال یک دسته بندی کننده ی خطی روی نمایش it این تصاویر، آنها را به دو دسته ی دوست/غیر دوست طبقه بندی کرده و نتیجه را با آزمایش مشابهی روی انسان مقایسه می کنیم.