电子学报
電子學報
전자학보
Acta Electronica Sinica
2015年
6期
1084-1089
,共6页
注意力选择%仿生认知神经网络%机器人%视觉
註意力選擇%倣生認知神經網絡%機器人%視覺
주의력선택%방생인지신경망락%궤기인%시각
attention selection%bionic neural network%robot%vision
为了更好地模拟人类视觉系统中的注意力选择,本文提出一种改进型机器人仿生认知神经网络.首先模拟人类视觉皮层结构,在已有模型基础上建立改进型仿生认知神经网络模型;增加位置层(Position Motor,PM)到感受野(Receptive Field,RF)的自上而下(top-down)的视觉注意,同时下颞叶(Inferior Temporal,IT)不再接收全局视觉信息,而改为接收带有自下而上(bottom-up)视觉注意的局部信息,不仅降低数据处理的复杂度,也更加符合人类格式塔心理;最后利用该模型实现机器人复杂背景下目标识别与跟踪.实验结果证明该方法在有效减少数据冗余、缩短处理时间的同时,还可有效提高机器人视觉系统对目标的识别准确率.
為瞭更好地模擬人類視覺繫統中的註意力選擇,本文提齣一種改進型機器人倣生認知神經網絡.首先模擬人類視覺皮層結構,在已有模型基礎上建立改進型倣生認知神經網絡模型;增加位置層(Position Motor,PM)到感受野(Receptive Field,RF)的自上而下(top-down)的視覺註意,同時下顳葉(Inferior Temporal,IT)不再接收全跼視覺信息,而改為接收帶有自下而上(bottom-up)視覺註意的跼部信息,不僅降低數據處理的複雜度,也更加符閤人類格式塔心理;最後利用該模型實現機器人複雜揹景下目標識彆與跟蹤.實驗結果證明該方法在有效減少數據冗餘、縮短處理時間的同時,還可有效提高機器人視覺繫統對目標的識彆準確率.
위료경호지모의인류시각계통중적주의력선택,본문제출일충개진형궤기인방생인지신경망락.수선모의인류시각피층결구,재이유모형기출상건립개진형방생인지신경망락모형;증가위치층(Position Motor,PM)도감수야(Receptive Field,RF)적자상이하(top-down)적시각주의,동시하섭협(Inferior Temporal,IT)불재접수전국시각신식,이개위접수대유자하이상(bottom-up)시각주의적국부신식,불부강저수거처리적복잡도,야경가부합인류격식탑심리;최후이용해모형실현궤기인복잡배경하목표식별여근종.실험결과증명해방법재유효감소수거용여、축단처리시간적동시,환가유효제고궤기인시각계통대목표적식별준학솔.
