高次視覚パターン認識のダイナミクス：心理実験と数理モデル化

人の視覚系では，初期の領野で単純な画像特徴を抽出し，高次の領野でこれらを統合することにより，複雑なパターン認識を実現している．こうした階層的認識メカニズムは工学的にも応用され，大きな成功を収めている．また，視覚的な情景の理解がボトムアップによる一撃計算で実現されるという考え方は，近年の心理物理学にも大きな影響を与えている．しかし，もちろん我々の視覚認知が一撃計算だけで実現されるわけではない．本研究課題は，高次物体認知に関する心理実験を行うとともに，大規模な階層型パターン認識モデルを構築し，これらを対比することで人のパターン認識のダイナミクスを明らかにすることを目的としている．平成26年度は，心理実験の実施に向けた準備と，数理モデルの構築を行った．まず，心理実験の準備については，実験環境の構築とプログラムの作成，および刺激の生成を行った．実験には，複数の自然画像と，その間を滑らかにつなぐモーフィング合成画像を用いる．このため，合成比率を細かく変えながら大量の画像を生成する必要がある．ここでは，Psychological　Image Collection at Stirlingデータベースの顔画像を用いて，様々な合成顔を生成した．また，数理モデルについては，シミュレーション環境の構築およびプログラムの開発を行った．手書き文字パターン認識モデルとして広く知られているネオコグニトロンを6層構造に拡張し，自然画像から高次特徴を学習できるようにした．学習には，McGill Calibrated Colour Image Databaseの自然画像を，ランダムな位置で切り出した画像パッチを用いた．学習後の最上位層の特徴応答は，未知の自然画像とその間の合成画像に対し滑らかに変化し，定性的に人と同様の残効効果も示すことを確認した．

人の視覚系では，初期の領野で単純な画像特徴を抽出し，高次の領野でこれらを統合することにより，複雑なパターン認識を実現している．こうした階層的認識メカニズムは工学的にも応用され，大きな成功を収めている．また，視覚的な情景の理解がボトムアップによる一撃計算で実現されるという考え方は，近年の心理物理学にも大きな影響を与えている．しかし，もちろん我々の視覚認知が一撃計算だけで実現されるわけではない．本研究課題は，高次物体認知に関する心理実験を行うとともに，大規模な階層型パターン認識モデルを構築し，これらを対比することで人のパターン認識のダイナミクスを明らかにすることを目的としている．平成26年度は，心理実験の実施に向けた準備と，数理モデルの構築を行った．まず，心理実験の準備については，実験環境の構築とプログラムの作成，および刺激の生成を行った．実験には，複数の自然画像と，その間を滑らかにつなぐモーフィング合成画像を用いる．このため，合成比率を細かく変えながら大量の画像を生成する必要がある．ここでは，Psychological　Image Collection at Stirlingデータベースの顔画像を用いて，様々な合成顔を生成した．また，数理モデルについては，シミュレーション環境の構築およびプログラムの開発を行った．手書き文字パターン認識モデルとして広く知られているネオコグニトロンを6層構造に拡張し，自然画像から高次特徴を学習できるようにした．学習には，McGill Calibrated Colour Image Databaseの自然画像を，ランダムな位置で切り出した画像パッチを用いた．学習後の最上位層の特徴応答は，未知の自然画像とその間の合成画像に対し滑らかに変化し，定性的に人と同様の残効効果も示すことを確認した．