ارائه یک روش موثر بازشناسی شیء مبتنی بر هرس کردن احتمالی مشخصه های دیداری تصویر در مدل HMAX

سیستم بینایی انسان قادر به بازشناسی شیء در صحنه های شلوغ با سرعت و دقت بالاست. مدل های زیادی برای بازشناسی شیء با الهام از سیستم بینایی انسان ازجمله مدل HMAX معرفی شده اند. در این تحقیق، روشی موثر با عنوان انتخاب احتمالی HMAX (PSHMAX) برای بازشناسی شیء با حفظ ساختار مدل HMAX ارائه شده است. مشکل مدل HMAX انتخاب تصادفی تکه های تصویر است که سبب استخراج دو دسته از تکه های نامطلوب می شود. دسته اول تکه هایی با اطلاعات کم که بدون تولید خروجی مفید، بار محاسباتی سیستم را افزایش می دهند و دسته دوم تکه هایی با اطلاعات غیرمفید از پس زمینه که باعث تولید خروجی اشتباه می شوند. در مدل پیشنهادی، تکه هایی شامل اطلاعات حداکثری مفید با رویکرد تصادفی در دو مرحله استخراج می شوند: مرحله اول ایجاد استخری از تکه های شامل بیشترین اطلاعات و مرحله دوم استخراج تکه های شامل اطلاعات مفیدتر و بهینه از استخر. برای ارزیابی، نرخ بازشناسی روش پیشنهادی با مدل HMAX و سایر روش های جدید توسعه یافته آن روی پایگاه های داده Caltech5 و Caltech101 مقایسه شده است. نتایج حاصل نشانگر برتری روش پیشنهادی است.

کلیدواژه ها:

بازشناسی شیء ، تکه های تصویر ، سیستم بینایی انسان ، لبه ، مدل HMAX