基于皮层腹侧流模型识别系统的高效实现
计算机视觉与模式识别
2017-11-22 v1
摘要
本文提出了一种基于原始视觉皮层 HMAX 模型的识别系统的高效实现。提出了多种旨在提高 HMAX 模型所谓 S1、C1 和 S2 层精度的优化方法。在 S1 层，从图像中消除所有不重要的信息，如光照和表情变化。随后每幅图像在空间域中与 64 个可分离 Gabor 滤波器进行卷积。在 C1 层，利用加性嵌入空间将最小尺度值嵌入到最大尺度值中。在 S2 层，使用 Partitioning Around Medoid (PAM) 聚类算法以更高效的方式生成原型。这些优化在精度和计算复杂度方面的影响在 Caltech101 数据库上进行了评估，并与使用支持向量机 (SVM) 和最近邻 (NN) 分类器的基线性能进行了比较。结果表明，我们的模型在 S1 层精度上显著提升超过 10%，同时计算复杂度也降低。在 C1 和 S2 层的两种近似中精度均略有提高。
引用
@article{arxiv.1711.07827,
title = {Efficient Implementation of a Recognition System Using the Cortex Ventral Stream Model},
author = {Ahmad W. Bitar and Mohammad M. Mansour and Ali Chehab},
journal= {arXiv preprint arXiv:1711.07827},
year = {2017}
}
备注
10 pages