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 معروف ترین مدل های ارائه شده مبتنی بر بینایی انسان، مدل hmax می باشد که عمل‌کرد مناسبی در بازشناسی اشیا از خود نشان داده است. اما تفاوت هایی 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 می توان 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 کامل تری از بینایی انسان ارائه گشته و نقاط ضعف مدل hmax ، پوشش داده شود. بخش اضافه شده، مانند بخش ثانویه‌ی قشر بینایی، با تمرکز روی ویژگی های سطح بالاتر و انتخاب ویژگی های 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 نمی شود، بلکه با انتخاب ویژگی های 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 ویژگی های 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.