視覺信息認知計算理論

前言

　　近20年來，神經(jīng)科學、解剖學伴隨著科學和技術手段的進步得到了快速發(fā)展，使我們對人類大腦有了更深刻的了解。探索神經(jīng)計算的數(shù)理基礎，并將其應用于發(fā)展新的神經(jīng)式信息處理模式的神經(jīng)計算科學已經(jīng)成為國內外研究的熱點課題之一。視覺是人類獲取信息的重要途徑，也是人類對自身研究認識最深刻的部分，借助和參考生物視覺認知機理來發(fā)展和提高機器信息處理與認知計算能力是一種重要的手段。　　從理論基礎和應用的層面，國外許多學者致力于研究視覺感知和機器學習之間的關系，并取得了很多成果。這種從模擬人類的思維模式出發(fā)來指導機器學習的方法符合人類與環(huán)境之間不斷學習、不斷適應的演變過程。因此，結合視覺感知的理論來探討計算機處理信息的能力具有重要意義。隨著神經(jīng)生理學、認知科學、神經(jīng)計算等學科的不斷發(fā)展，這種將視覺感知和計算機信息處理結合起來的研究方法，一定會有廣闊的應用前景?！　∧壳盎谝曈X感知有五個熱點問題：①基于感知機理的機器學習方法；②基于有效編碼假說的初級特征表示；③視覺表象的中級特征表示；④初級視覺表象啟發(fā)下的知覺組織；⑤注意機制?！　”緯η罄碚撆c實踐統(tǒng)一，從提高計算機對非結構化視聽覺感知信息的理解能力和海量異構信息的處理效率，克服圖像信息處理所面臨的“瓶頸”出發(fā)，借助認知心理學、神經(jīng)生理學、生物學、計算機科學和數(shù)理科學的交叉優(yōu)勢，描述在場景理解中基于視覺感知的熱點技術問題以及新的計算模型、計算方法。在較為系統(tǒng)地介紹人類視覺感知系統(tǒng)工作機理的基礎上，本書著重介紹神經(jīng)計算領域目前正在發(fā)展的一些新理論和新技術，這也正是本書作者在多年來承擔該領域國家研究項目，并結合為研究生開設相關課程的基礎上編寫的?！　”緯膬热萁M織如下：　　第1章是概述，簡要介紹基于視覺感知的五個熱點問題。　　第2章對初級視皮層的典型視神經(jīng)細胞，比如簡單細胞、復雜細胞等進行了較為深入的闡述，簡要介紹了視神經(jīng)信息處理機制的生理結構。與生物視覺感知的生理結構相對應，介紹了生物視覺感知的計算模型。最后詳細介紹了一種生物視覺啟發(fā)的特征表示方法，以及它在基于內容的圖像檢索中的應用。

內容概要

在眾多的生物系統(tǒng)中，人腦被認為是最高級的生物智能系統(tǒng)，它具有感知、識別、學習、聯(lián)想、記憶、推理等功能。而在人腦感知的信息中，大部分來自視覺。視覺是人類獲取信息的重要途徑，也是人類對自身研究認識最深刻的部分。因此，研究生物體的視知覺功能，解析其內在機理，并用機器來實現(xiàn)，成為科學研究領域的一個重要方面，它可以為提高機器的智能與解決問題的能力提供新的思路?！　”緯到y(tǒng)地討論了基于視覺感知和有效編碼假說的特征表示、計算模型，從認知心理學出發(fā)討論了半監(jiān)督學習、聚類、知覺組織，從人類視覺的注意機理角度討論了模擬視覺注意機制的視覺感知模型等?！　”緯勺鳛橛嬎銠C科學領域人工智能、模式識別等專業(yè)的研究生教材，也可供相關專業(yè)的研究人員參考。

書籍目錄

前言 第1章 概述 　1.1 基于感知機理的機器學習方法 　1.2 基于有效編碼假說的初級特征表示 　　1.2.1 有效編碼假說 　　1.2.2 模擬人類方式的有效編碼與特征表示 　1.3 視覺表象的中級特征表示 　1.4 初級視覺表象啟發(fā)下的知覺組織 　1.5 注意機制 　1.6 智能計算模型在場景識別中的應用 　參考文獻 第2章 基于視覺感知的特征表示 　2.1 視覺感知 　　2.1.1 外部環(huán)境的輸入刺激 　　2.1.2 神經(jīng)信息處理機制 　　2.1.3 視覺感知的輸出 　2.2 生物視覺感知的生理結構 　　2.2.1 外周腦 　　2.2.2 初級視皮層 　　2.2.3 紋外皮層 　　2.2.4 高級視皮層 　2.3 生物視覺感知的計算模型 　　2.3.1 簡單細胞響應模型 　　2.3.2 復雜細胞響應模型 　　2.3.3 高級皮層神經(jīng)細胞響應模型 　2.4 生物視覺啟發(fā)的特征表示及其應用 　　2.4.1 獨立紋元矩 　　2.4.2 獨立紋元矩的圖像檢索實驗 　2.5 本章小結 　參考文獻 第3章 基于有效編碼假說的低層特征表示 　3.1 有效編碼框架 　3.2 基于稀疏性的有效編碼方法——稀疏編碼 　　3.2.1 Olshausen的稀疏編碼模型 　　3.2.2 基于稀疏編碼的壓縮傳感 　3.3 基于獨立性的有效編碼 　　3.3.1 獨立分量分析 　　3.3.2 基于獨立分量分析的視覺模型 　　3.3.3 Hyvarinen研究小組的成果 　3.4 基于慢變性的有效編碼方法——慢變特征分析 　　3.4.1 慢變特征分析簡介 　　3.4.2 慢變特征分析的實現(xiàn) 　　3.4.3 慢變特征分析與復雜細胞特性 　　3.4.4 慢變特征分析在手寫體識別中的應用 　3.5 本章小結 　參考文獻 第4章 流形學習 　4.1 概述 　4.2 局部保持流形學習算法分析 　　4.2.1 局部保持的流形學習算法的基本步驟 　　4.2.2 幾種典型的局部保持的流形學習算法 　　4.2.3 局部保持的流形學習算法對比 　　4.2.4 全局線性化局部保持的流形學習算法 　　4.2.5 局部保持的流形學習算法實驗比較 　4.3 全局保持的流形學習算法分析 　　4.3.1 幾種典型的全局保持流形學習算法 　　4.3.2 全局保持的流形學習算法對比 　　4.3.3 全局保持的流形學習算法的實驗比較　4.4　圖嵌入框架 　　4.4.1 圖嵌入框架 　　4.4.2 圖嵌入框架下的主成分分析 　　4.4.3 圖嵌入框架下的判別分析 　　4.4.4 鄰域判別分析 　4.5 本章小結 　參考文獻 第5章 半監(jiān)督學習 第6章 聚類 第7章 知覺組織 第8章 模擬視覺注意機制的感知模型

章節(jié)摘錄

　　人們一般把具有這類復雜感受野的細胞稱為復雜細胞。復雜細胞主要分布在V1區(qū)的第4層，在紋外皮層也會少量出現(xiàn)。復雜細胞感受野比簡單細胞大，它的最優(yōu)響應一般對應于特定方向的條形刺激，但是對于條形刺激在感受野中的位置沒有嚴格要求，表現(xiàn)出了一定的不變性?！　。?）終端抑制感受野（end-stoppedreceptivefield）。終端抑制細胞對邊、線或者光柵的偏好與簡單細胞或復雜細胞很相似，不同的是當刺激模型長度超過某一值時，細胞反應會明顯降低。它們可以被短線或短邊極大地激活，但是對長度超過感受野的刺激反應卻很弱，甚至不反應。一般地講，這種細胞能有效地對線的終端或者角產(chǎn)生反應。　　需要指出的是，以上對細胞模型的描述實際上是無法窮盡細胞多樣性的，特別是在猴子V1、V2區(qū)找到的復雜細胞與終端抑制細胞，它們有許多的變異類型?！　?.2.3 紋外皮層　　V2區(qū)是紋外皮層的第一個皮層區(qū)域，它主要接收V1區(qū)的傳入，LGN中也有稀少而分散的輸入連接，它的輸出傳人紋外皮層的高級區(qū)域，如V3、V4和V5區(qū)，同時，它也有少數(shù)的反饋連接指向V1區(qū)?！　2區(qū)采用細胞色素氧化酶染色法發(fā)現(xiàn)，V2區(qū)包含一些粗細條紋，同時，粗細條紋彼此間被一些輕度染色的中間條紋分開。對波長（顏色）有選擇性的細胞集中在細條紋中，對運動方向性有選擇性的細胞則存在于粗條紋中，對形狀敏感的細胞則在粗條紋和中間條紋中都有所分布。另外，在V2區(qū)，研究者已經(jīng)描繪出幾種具有高級感受野的V2細胞。

編輯推薦

　　《視覺信息認知計算理論》主要介紹視覺信息認知計算領域的基本理論和最新成果.討論了基于視覺感知和有效編碼假說的特征表示、計算模型，從認知心理學出發(fā)討論了半監(jiān)督學習、聚類、知覺組織，從人類視覺的注意機理角度討論了模擬視覺注意機制的視覺感知模型等。《視覺信息認知計算理論》力求理論與實踐統(tǒng)一，從提高計算機對非結構化視聽覺感知信息的理解能力和對海量異構信息的處理效率，克服圖像信息處理所面臨的“瓶頸”出發(fā).借助認知心理學、神經(jīng)生理學、生物學、計算機科學和數(shù)理科學的交叉優(yōu)勢，描述在場景理解中基于視覺感知的熱點技術問題以及新的計算模型、計算方法。

圖書封面

圖書標簽Tags

無

評論、評分、閱讀與下載

---

    視覺信息認知計算理論 PDF格式下載

---