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

یکی از اصلی ترین توانایی های شناختی انسان و جانوران، بازشناسی اشیا است. سامانه‌ی بینایی انسان به عنوان یک سامانه ی سریع و دقیق می تواند منبع الهام مناسبی برای ارائه‌ی مدل های محاسباتی بازشناسی اشیا باشد. پژوهش های پیشین که به بررسی رفتار سامانه ی بینایی انسان در بازشناسی اشیا پرداخته اند، بر پردازش طی گام های زمانی در این سامانه تاکید کرده اند، در حالی که در مدل های محاسباتی موجود برای بازشناسی اشیا، چنین چیزی مورد توجه قرار نمی گیرد. در این مقاله سعی شده است تا یک مدل چندلایه‌ی مبتنی بر زمان برای بازشناسی اشیا ارائه شود. در لایه ی نخست مدل، اطلاعات تصویر ورودی در یک بازنمایی زمانی به لایه های بعدی ارسال می شود. در لایه‌ی میانی مدل، از یک شبکه‌ی عصبی عمیق به عنوان استخراج کننده‌ی ویژگی استفاده شده است. در پایان، برخلاف مدل های محاسباتی موجود برای بازشناسی اشیا، پیشنهاد شده است که برای طبقه بندی ویژگی های استخراج شده از مدل های تصمیم گیری مبتنی بر سازوکار نورونی تصمیم گیری در مغز مانند مدل رانشیانتشار استفاده شود. به بیان دیگر، در هر یک از این سه لایه تلاش شده است تا تطبیق مناسبی با سازوکار سامانه‌ی بینایی انسان ایجاد شود. برای ارزیابی کارایی مدل محاسباتی پیشنهادی در بازشناسی اشیا، آزمون های متعددی انجام شده است. نتایج به دست آمده از بررسی مدل پیشنهادی نشان می دهد که با دشوارتر شدن تصاویر، افزودن نویز یا بروز انسداد، کارایی مدل در بازشناسی اشیا کاهش یافته و زمان پاسخ دهی آن افزایش می یابد که این روند با شواهد رفتاری انسانی مطابقت دارد. هم‌چنین عمل‌کرد مدل برای تشخیص شی و طبقه‌بندی سطح پایه در دو حالت تصاویر اصلی و تصاویر وارونه بررسی شده است. نتایج به دست آمده گویای تفاوت بین پردازش تشخیص شی با طبقه بندی سطح پایه است که این نتایج با آزمایش های رفتاری گزارش شده در مقاله های مرجع هم‌خوانی دارد.