基于图像几何表征不变性的视皮层双流机制计算建模

With the continuous developments of brain science and brain-like intelligence, neurobiology researches are constantly providing supports for the artificial intelligence systems. Current machine vision systems based on the artificial neural networks have two problems. Firstly, in order to enhance the invariance to objects of various spatial statuses, the mainstream models require more training samples and deeper hierarchical structures. Yet the methodology is not consistent with the cognitive mechanism of the biological visual system, which leads to a massive increase of the training cost and difficulty. Secondly, the current methods of neural networks are based on pixels with fixed adjacent relationships. Unlike the visual pathways, images represented by pixels are infeasible to be divided into different informational flows, which limits the further improvements of those models’ performances. Three research contents will be focused in this project, which are invariant perceptive mechanism of geometric representation, visual cortex modelling by using vertical-stream networks and model optimization based on the integration of geometric features’ visualization and neurobiology evidences. Consequently, we aim to solve the aforementioned two key scientific problems by building up a differentiated programming framework to model the informational interaction between the ventral stream and dorsal stream.

随着脑科学与类脑智能方法的不断发展，围绕着大脑的神经生物学研究成果正在源源不断地为人工智能系统的飞跃提供支撑。当前基于人工神经元的机器视觉系统存在两个问题：首先，主流的方法往往通过增加样本数量以及构建更深的网络层次来增强模型对物体空间状态变化的不变性，从而导致了训练难度和成本的大大增加，这与大脑视觉认知机制并不相符；其次，现行的神经网络方法都是基于具有固定邻接关系的图像像素来进行的，这导致其很难像大脑那样把图像分成包含不同信息要素的数据流，从而限制了其性能的进一步提升。本课题拟通过对基于图像几何表征的不变性感知机制、基于垂直流网络的视皮层双流建模、结合几何特征可视化与神经生物学研究的模型优化这三块内容的研究，建立一套可微分编程框架对大脑视觉皮层腹/背侧流之间的信息交互进行建模，以期解决以上两个关键科学问题。

随着脑科学与类脑智能方法的不断发展，围绕着大脑的神经生物学研究成果正在源源不断地为人工智能系统的飞跃提供支撑。当前基于人工神经元的机器视觉系统存在两个问题：首先，主流的方法往往通过增加样本数量以及构建更深的网络层次来增强模型对物体空间状态变化的不变性，从而导致了训练难度和成本的大大增加，这与大脑视觉认知机制并不相符；其次，现行的神经网络方法都是基于具有固定邻接关系的图像像素来进行的，这导致其很难像大脑那样把图像分成包含不同信息要素的数据流，从而限制了其性能的进一步提升。在学科交叉上，提出了一套新颖的技术体系来研究大脑视觉皮层双流机制的计算建模方法以及利用几何信息的表征优势探索其在可微分编程框架下的模型创新。基于几何数据表征的不变性感知机制与背侧流空间感知机制，结合产生了一套学习对物体空间状态变化不变特征的可微分编程网络框架。在充分研究图像边缘轮廓的几何表征不变性的基础上，试图探索构建一种新颖的网络模型对视皮层双流进行计算建模。通过选择合适的几何变换对背侧流的空间感知能力进行模拟，然后尝试结合不同的可微分编程方法技术框架来有效模拟视皮层双流的信息交互，研究出一套有效的可视化方法以分析几何特征的拓扑结构和表征特点，并利用大脑视觉皮层不同功能区域的生理特性来研究深层几何特征的生理似真性和拓扑一致性。研究了具有不同粒度选择性（从方位到形状）的几何特征与网络结构和超参数之间的关系，并最终实现一种通过模拟视觉皮层生理特性优化网络结构的方法体系。

内容获取失败，请点击重试