211service.com
Biologiskt inspirerade synsystem
Neurovetenskapsmän vid MIT har utvecklat en datormodell som efterliknar det mänskliga synsystemet för att exakt upptäcka och känna igen föremål i en livlig gatubild, som bilar och motorcyklar.
Att känna igen föremål i en scen, till exempel bilen i gatubilden som visas här, kan vara en utmaning för datorer. En modell av hur hjärnan bearbetar visuell information erbjuder ett framgångsrikt tillvägagångssätt.
Sådana biologiskt inspirerade synsystem kan snart användas i övervakningssystem, eller i smarta sensorer som kan varna förare för fotgängare och andra hinder. Det kan också hjälpa till i utvecklingen av så kallade visuella sökmotorer, säger Thomas Serre , en neuroforskare vid Centrum för biologiskt och beräkningsmässigt lärande vid MIT:s McGovern Institute for Brain Research, som var involverad i projektet.
Forskare har i åratal varit intresserade av att försöka kopiera biologiska synsystem, helt enkelt för att de är så bra, säger David Hogg, expert på datorseende vid Leeds University i Storbritannien. Det här är ett mycket framgångsrikt exempel på att [härma biologisk syn], säger han.
Att lära en dator att klassificera föremål har visat sig mycket svårare än vad som ursprungligen var tänkt, säger Serre, som utfört arbetet med Tomaso Poggio , meddirektör för centret. Å ena sidan, för att känna igen en viss typ av objekt, till exempel en bil, behöver en dator en mall eller beräkningsrepresentation som är specifik för det specifika objektet. En sådan mall gör det möjligt för datorn att skilja en bil från objekt i andra klasser – icke-bilar. Ändå måste denna representation vara tillräckligt flexibel för att inkludera alla typer av bilar – oavsett hur varierande i utseende – i olika vinklar, positioner och poser, och under olika ljusförhållanden.
Man vill kunna känna igen ett föremål var som helst i synfältet, oavsett var det är och oavsett dess storlek, säger Serre. Men om du analyserar bilder bara utifrån deras mönster av ljusa och mörka pixlar, kan två porträttbilder av olika människor sluta se mer lika ut än två bilder av samma person tagna från olika vinklar.
Den mest effektiva metoden för att komma runt sådana problem är att träna en inlärningsalgoritm på en uppsättning bilder och låta den extrahera de funktioner de har gemensamt; två hjul i linje med vägen kan till exempel signalera en bil. Serre och Poggio tror att det mänskliga synsystemet använder ett liknande tillvägagångssätt, men ett som är beroende av en hierarki av på varandra följande lager i den visuella cortex. De första lagren av cortex upptäcker ett objekts enklare egenskaper, såsom kanter, och högre lager integrerar den informationen för att bilda vår uppfattning om objektet som helhet.
För att testa sin teori arbetade Serre och Poggio tillsammans med Stanley Bileschi, också vid MIT, och Lior Wolf, en medlem av datavetenskapsavdelningen vid Tel Aviv University i Israel, för att skapa en datormodell som omfattar 10 miljoner beräkningsenheter, var och en utformad för att fungera som kluster av neuroner i synbarken. Precis som i cortex är klustren organiserade i lager.
När modellen först lär sig att se, extraherar några av de cellliknande enheterna rudimentära egenskaper från scenen, såsom orienterade kanter, genom att analysera mycket små grupper av pixlar. Dessa neuroner är vanligtvis som pinholes som tittar på en liten del av synfältet, säger Serre. Mer komplexa enheter kan ta in en större del av bilden och känna igen funktioner oavsett storlek eller position. Till exempel, om de enkla enheterna upptäcker vertikala och horisontella kanter, kan en mer komplex enhet använda den informationen för att upptäcka ett hörn.
Med varje efterföljande lager extraheras allt mer komplexa funktioner från bilden. Så är relationer mellan egenskaper, såsom avståndet mellan två delar av ett objekt eller de olika vinklarna i vilka de två delarna är orienterade. Denna information gör att systemet kan känna igen samma objekt i olika vinklar.
Det var en överraskning för oss när vi tillämpade den här modellen på verkliga visuella uppgifter och den konkurrerade bra med de bästa systemen, säger Serre. Faktum är att i vissa tester har deras modell framgångsrikt identifierat objekt mer än 95 procent av gångerna i genomsnitt. Ju fler bilder systemet tränas på, desto mer exakt presterar det.
Vi kanske inte borde bli förvånade, säger David Lowe , en expert på datorseende och objektigenkänning vid University of British Colombia i Vancouver. Människans syn är mycket bättre på att känna igen än något av våra nuvarande datorsystem, så alla tips om hur man går vidare från biologi kommer sannolikt att vara mycket användbara.
För närvarande är systemet utformat för att endast analysera stillbilder. Men det här är väldigt i linje med hur det mänskliga synsystemet fungerar, säger Serre. Ingångarna till den visuella cortexen delas av ett system som hanterar former och texturer medan ett separat system hanterar rörelse, säger han. Teamet arbetar nu med att införliva ett parallellt system för att klara av video.