一种用于复杂动态环境中判别小而快速运动目标的时间延迟反馈神经网络
计算机视觉与模式识别
2021-06-29 v5
摘要
在复杂视觉环境中判别微小运动物体，对通常计算能力受限的自主微型机器人而言是一项重大挑战。飞行昆虫借助高度进化的视觉系统，即便小目标在其视野中仅占寥寥数像素，仍能在急速追逐中有效发现配偶并追踪猎物。对小目标运动的高度敏感性由一类称为小目标运动检测器（STMDs）的专用神经元支持。现有基于 STMD 的计算模型通常由四个顺序排布、通过前馈环路互连的神经层组成，以从原始视觉输入中提取小目标运动信息。然而，反馈作为运动感知的另一重要调节回路，尚未在 STMD 通路中被研究，其对小目标运动检测的功能作用亦不明确。本文中，我们提出一种带反馈连接的基于 STMD 的神经网络（Feedback STMD），其网络输出经时间延迟后反馈至低层以调节神经响应。我们比较了带与不带时间延迟反馈环路的模型特性，发现其偏好高速物体。大量实验表明，Feedback STMD 对快速运动小目标实现了更优检测性能，同时显著抑制了呈现较低速度的背景误报运动。所提反馈模型为机器人视觉系统中检测始终显著且具潜在威胁的快速运动小目标提供了有效方案。
引用
@article{arxiv.2001.05846,
title = {A Time-Delay Feedback Neural Network for Discriminating Small, Fast-Moving Targets in Complex Dynamic Environments},
author = {Hongxin Wang and Huatian Wang and Jiannan Zhao and Cheng Hu and Jigen Peng and Shigang Yue},
journal= {arXiv preprint arXiv:2001.05846},
year = {2021}
}
备注
14 pages, 16 figures