本文選題：分層感知　切入點：卷積神經(jīng)網(wǎng)絡(luò)　出處：《計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報》2017年06期 　論文類型：期刊論文

【摘要】：為了模擬視覺通路的特征抽象與自學(xué)習(xí)能力,在視神經(jīng)信息分層處理機(jī)制的基礎(chǔ)上提出一種特征感知模型.在改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)框架的基礎(chǔ)上,首先依據(jù)視網(wǎng)膜中神經(jīng)元的方向選擇性、空間局部性以及神經(jīng)元間的側(cè)抑制性,在初級視覺特征處理中構(gòu)建一種視網(wǎng)膜拓?fù)溆成?然后在中級視覺特征處理中引入生物神經(jīng)的稀疏表達(dá)法,構(gòu)建神經(jīng)突觸激活函數(shù),解決了神經(jīng)計算中常見的過擬合問題;最后提出模擬腹部通路信息傳遞的具有計算感知不變性的分層視覺特征感知計算模型.應(yīng)用不同規(guī)模數(shù)據(jù)集進(jìn)行測試的結(jié)果表明,該模型對大規(guī)模的目標(biāo)識別問題具有較好的識別效果,目標(biāo)識別的平均準(zhǔn)確率可達(dá)85%.
[Abstract]:In order to simulate the feature abstraction and self-learning ability of visual pathway, a feature perception model is proposed based on the delamination mechanism of optic nerve information, which is based on the improved convolution neural network framework. Firstly, according to the directional selectivity, spatial localization and lateral inhibition of neurons in the retina, a topologic mapping of the retina is constructed in the primary visual feature processing. Then the sparse expression of biological nerve is introduced into the processing of intermediate visual features, and the synaptic activation function is constructed, which solves the common problem of over-fitting in neural calculation. Finally, a hierarchical visual feature perception computing model with computational perceptual invariance is proposed to simulate the information transmission of abdominal path. The model has a good effect on large-scale target recognition, and the average accuracy of target recognition can reach 85%.
【作者單位】： 沈陽理工大學(xué)信息科學(xué)與工程學(xué)院;東北大學(xué)計算機(jī)科學(xué)與工程學(xué)院;
【基金】：國家自然科學(xué)基金(61373089) 遼寧省教育廳科學(xué)技術(shù)項目(4801004yb02)
【分類號】：TP183;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊建勛,史朝輝;基于模糊綜合函數(shù)的目標(biāo)識別融合算法研究[J];火控雷達(dá)技術(shù);2004年04期

2 李彥鵬,施福忠,黎湘,莊釗文;基于模糊綜合評判的目標(biāo)識別效果評估[J];計算機(jī)應(yīng)用研究;2005年03期

3 左崢嶸,張?zhí)煨?集成證據(jù)提高目標(biāo)識別性能的方法研究[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2005年03期

4 李彥鵬,黎湘,莊釗文;一種應(yīng)用模糊聚類分析的目標(biāo)識別效果評估方法[J];電子對抗技術(shù);2005年03期

5 蓋明久;呂世良;時寶;;一種概率更新方法及在目標(biāo)識別中的應(yīng)用[J];海軍航空工程學(xué)院學(xué)報;2006年05期

6 張平定;王海軍;王睿;;一種基于聚類思想的目標(biāo)識別新方法[J];空軍工程大學(xué)學(xué)報(自然科學(xué)版);2006年02期

7 黃瑤;熊和金;;目標(biāo)識別的灰關(guān)聯(lián)方法研究[J];湖南農(nóng)業(yè)大學(xué)學(xué)報(自然科學(xué)版);2009年S1期

8 王丹;韓惠蕊;田淞;臧雪柏;宋炳強(qiáng);;基于tree part-based模型的目標(biāo)識別和定位[J];吉林大學(xué)學(xué)報(工學(xué)版);2012年S1期

9 ;用于圖象目標(biāo)識別的神經(jīng)網(wǎng)絡(luò)方法[J];電腦開發(fā)與應(yīng)用;1995年02期

10 郭定，，朱祖祥;提示引導(dǎo)空間注意對范疇目標(biāo)識別影響的研究[J];人類工效學(xué);1995年02期

相關(guān)會議論文 前10條

1 鄭援;胡成軍;;基于數(shù)據(jù)融合的魚雷目標(biāo)識別[A];第十四屆全國信號處理學(xué)術(shù)年會(CCSP-2009)論文集[C];2009年

2 李夕海;趙克;慕曉冬;劉代志;;目標(biāo)識別中的特征相空間吸引子分析[A];第十屆全國信號處理學(xué)術(shù)年會（CCSP-2001）論文集[C];2001年

3 馮杰;蓋強(qiáng);古軍峰;;模糊聚類分析方法在海上目標(biāo)識別中的應(yīng)用[A];第二屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2004年

4 趙克;劉代志;慕曉東;蘇娟;;目標(biāo)識別的特征量約束[A];第九屆全國信號處理學(xué)術(shù)年會（CCSP-99）論文集[C];1999年

5 李正東;陳興無;宋琛;何武良;;多傳感器的目標(biāo)識別[A];中國工程物理研究院科技年報（1999）[C];1999年

6 俞鴻波;趙榮椿;;三維空間目標(biāo)識別概述[A];信號與信息處理技術(shù)——第一屆信號與信息處理聯(lián)合學(xué)術(shù)會議論文集[C];2002年

7 曹健;陳紅倩;毛典輝;李海生;蔡強(qiáng);;基于局部特征的圖像目標(biāo)識別問題綜述[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第五分冊）[C];2013年

8 姚志軍;韓秋蕾;;一種新的基于少量樣本的目標(biāo)識別與分割方法[A];第九屆全國信息獲取與處理學(xué)術(shù)會議論文集Ⅱ[C];2011年

9 劉兵;司秉玉;;基于圖像區(qū)域搜索法的彩色球目標(biāo)識別與跟蹤[A];中國儀器儀表學(xué)會第五屆青年學(xué)術(shù)會議論文集[C];2003年

10 蔣立正;李宗利;劉淑茜;;基于雷達(dá)觀測的空間目標(biāo)識別仿真系統(tǒng)設(shè)計[A];’2004系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];2004年

相關(guān)博士學(xué)位論文 前10條

1 韓靜;基于仿生視覺模型和復(fù)雜信息學(xué)習(xí)的多光譜夜視目標(biāo)識別技術(shù)[D];南京理工大學(xué);2014年

2 黃璇;多源引導(dǎo)信息融合及其關(guān)鍵技術(shù)研究[D];中國科學(xué)院研究生院(長春光學(xué)精密機(jī)械與物理研究所);2016年

3 舒銳;衛(wèi)星目標(biāo)識別與特征參數(shù)提取方法研究[D];哈爾濱工業(yè)大學(xué);2010年

4 賈宇平;基于信任函數(shù)理論的融合目標(biāo)識別研究[D];國防科學(xué)技術(shù)大學(xué);2009年

5 張祥合;復(fù)雜場景中目標(biāo)識別與分類的仿生原理和方法[D];吉林大學(xué);2012年

6 王海羅;基于視覺感知的無人機(jī)目標(biāo)識別與跟蹤技術(shù)研究[D];北京理工大學(xué);2015年

7 謝妤嬋;視覺目標(biāo)識別與三維定位關(guān)鍵技術(shù)的研究[D];天津大學(xué);2009年

8 黃雙萍;通用視覺目標(biāo)識別的關(guān)鍵技術(shù)研究[D];華南理工大學(xué);2011年

9 鄒健;統(tǒng)計流形框架下視覺特征的嵌入與目標(biāo)識別[D];南京理工大學(xué);2012年

10 邢卓異;基于圖像的目標(biāo)識別與跟蹤方法研究[D];哈爾濱工程大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 許俊峰;基于模型的任意視點下三維目標(biāo)識別研究[D];南京航空航天大學(xué);2015年

2 王玉君;基于遠(yuǎn)紅外熱像儀的地面機(jī)動目標(biāo)識別[D];沈陽理工大學(xué);2015年

3 周偉峰;基于神經(jīng)網(wǎng)絡(luò)的單目機(jī)器人目標(biāo)識別定位研究[D];安徽工程大學(xué);2015年

4 王翔;基于局部神經(jīng)反應(yīng)的目標(biāo)識別研究[D];華中師范大學(xué);2015年

5 劉巍;基于非均勻采樣圖像的目標(biāo)識別與跟蹤算法研究[D];北京理工大學(xué);2015年

6 程子倫;基于ARM嵌入式平臺的視頻目標(biāo)識別與跟蹤系統(tǒng)的研究與實現(xiàn)[D];河北科技大學(xué);2015年

7 李元偉;面向智能交通的目標(biāo)識別關(guān)鍵技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2013年

8 張偉鵬;利用UWB信號對森林中入侵目標(biāo)識別的研究[D];北京郵電大學(xué);2015年

9 孔思維;基于目標(biāo)識別的運(yùn)動棒材在線計數(shù)[D];濟(jì)南大學(xué);2015年

10 降小龍;基于語義結(jié)構(gòu)和視覺焦點的場景目標(biāo)識別[D];中北大學(xué);2016年

本文編號：1636270