عنوان پایان‌نامه
مدل سازی محاسباتی سیستم بینایی بر پایه شبکه عصبی مبتنی بر Spike
- رشته تحصیلی
- ریاضی کاربردی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس علوم شماره ثبت: 5632;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 67855
- تاریخ دفاع
- ۰۶ اسفند ۱۳۹۳
- استاد راهنما
- رضا ابراهیم پور, محمد گنج تابش
- دانشجو
- سینا توکلی
- چکیده
- مساله ی بازشناسی اشیا یکی از چالشی ترین مسائل حال حاضر در حوزه بینایی ماشین می باشد. این مساله از دیدگاه های متفاوت بررسی شده و تحقیقات ارزشمندی روی آن صورت گرفته است. یکی از این دیدگاه ها، الگو گرفتن از کارکرد قشر بینایی مغز پستان داران در حل این مساله است. به نظر می رسد که بازشناسی اشیا برای مغز پستانداران کار ساده ای است. یک انسان در هنگام مواجه شدن با یک شیئ خارجی، با اتکا به اطلاعات بصری، در کسری از ثانیه تشخیص می دهد که آن شیئ چیست، در کجا قرار دارد، آیا متحرک است یا خیر و... . طبیعی است که بررسی سازوکار این سیستم جنبه های متفاوتی از تکنیک های حل مسئله بازشناسی اشیا را روشن خواهد کرد. با دانشامروز مدل های مختلفی برای شبیه سازی این سیستم طراحی شده اند. این تلاش های ارزشمند در بسیاری از مسائل موفق ظاهر شده اند و توانسته اند جنبه های متفاوت این سیستم را شبیه سازی کنند. اما بزرگترین مشکل این مدل ها شبیه سازی کلی سیستم بینایی است. عدم شبیه سازی دقیق اجزای کوچک سیستم عصبی(نرون ها)، منجر به از دست دادن اطلاعات زیادی شده و که به تبع آن، در کارایی نهایی مدل نیز تاثیر گذاشته و قابلیت مقایسه با سیستم عصبی را تنها محدود به درصد کارایی آن می کند. محققین زیادی بر روی شبیه سازی دقیق تر نرون ها و شبکه های نرونی کار کرده اند که در نتیجه این تحقیقات، دسته ای از مدل های نرونی معرفی شده اند که به مدل های اسپایکی معروف اند. این مدل ها با وارد کردن عنصر زمان و نگاه به نرون به عنوان یک دستگاه دینامیکی، نتایج قابل توجهی بدست آورده اند که با ثبت های گرفته شده از نرون های واقعی خوانایی دارند. لذا بر آن شدیم تا در این پایان نامه از مدل های اسپایکی نرون کمک گرفته و مدلی اسپایکی برای قشر بینایی مغز معرفی کنیم. در طراحی مدل پیشنهادی سعی شده است بخش های مختلف مسیر رو به جلو در بازشناسی اشیا در مغز شبیه سازی شود. در انتها کارایی مدل با ثبت های گرفته شده از مغز پستانداران قابل قیاس بوده و با نظریه های موجود در حوزه ی بازشناسی اشیا هم خوانی لازم را دارد. کلمات کلیدی: بازشناسی اشیا، قشر بینایی، مدل اسپایکی، مدل سلسله مراتبی، یادگیری ماشین
- Abstract
- The problem of object recognition is one of the most challenging problems in the field of Machine Vision. This problem has been studied from different aspects of view. One of them is to model the visual cortex of the mammals. It seems that object recognition is an easy task for a mammal's brain. For example, encountering an object, with relying only on visual information, a human can recognize what the object is, where it is, is it moving or not, etc., in a fraction of a second. Obviously, studying the mechanism of this system will result in obtaining different techniques for solving the object recognition problem. With today's knowledge about the visual cortex of mammals, many valuable models of this system has been proposed. These attempts have found their success in solving many recognition tasks. But the biggest problem of these models is their weak simulations of the smallest unit of a neural network (neurons). The simulation of the general aspects of a neuron, and not giving attention to the details, eliminates a great deal of information which naturally will result in lower performance and the only thing that can be compared between an artificial and a real neural network will be their performance. Hence many researchers studied more accurate simulation of a neuron which resulted in various models known as "Spiking Models". These models include the element of time in the simulations and introduce neurons as a dynamical system which obtained interesting results that are consistent with the cell recording data. In this thesis, we tried to use spiking neurons and develop a new spiking model of visual cortex. We tried to implement all known components of feed-forward processes of visual information in the brain. At the end, the model's performance was comparable to those of mammalians' reported in some reliable papers. In addition, our proposed model is consistent with famous theories in object recognition tasks in the brain. Keywords: Object Recognition, Visual Cortex, Spiking Model, Hierarchical Model, Machine Learning
