استفاده از سیگنال های بالابه پایین مبتنی بر محتوا برای بهبود بازشناسی شییء

بازشناسی شییء در صحنه های پیچیده ی ازجمله توانایی های شگرف سامانه بینایی انسان است که تاکنون مدل های محاسباتی بینایی در پیاده سازی آن چندان موفق نبوده اند. در این راستا محققان سعی دارند با شناسایی سازوکار مغز و الهام از آن این مدل را بهبود بخشند. یکی از موفق ترین مدل های ارایه شده در بازشناسی شییء شبکه های عصبی کانولوشنی (CNN’s) هستند. این مدل ها تنها قادر به شبیه سازی مسیر پیش روی بینایی انسان می باشند. با این حال شواهد مطالعات علوم اعصاب نشان می دهند سامانه بینایی انسان سیگنال های بالا به پایین انتظار را در راستای افزایش دقت و سرعت بازشناسی شییء در زمینه های پیچیده به کار می بندد. در این مقاله با بهره مندی از سیگنال های بالا به پایین انتظار، سعی بر شبیه سازی مسیر بازخوردی سیستم بینایی انسان شده است. به این منظور مدل کانولوشنی AlexNet به عنوان مسیر پیش رو سیستم بینایی استفاده شد. برای بازشناسی شییء از مدل آموزش یافته با مجموعه داده ی ImageNet و برای بازشناسی صحنه از مدل آموزش یافته با مجموعه تصاویر صحنه Places استفاده شد. شبکه آموزش دیده بر روی تصاویر صحنه (Place_CNN) برای تولید بردار بازخورد مبتنی بر اطلاعات حاصل از صحنه در نظر گرفته شد. سیگنال های بازخوردی شامل اطلاعاتی از فراوانی تکرار شییء موردنظر در صحنه ی جاری هستند. این سیگنال ها با قاعده ی پس انتشار در قالب سیگنال های بالابه پایین با اطلاعات مسیر پیش رو تلفیق و در شبکه ی تشخیص شییء بازخورد می شوند. به منظور سنجش مدل پیشنهادی آزمایش هایی با استفاده از چند مجموعه داده صورت گرفت. نتایج نشان داد که ترکیب اطلاعات بازخوردی با مسیر پیش رو باعث بهبود معنی دار عملکرد مدل پیشنهادی نسبت به مدل پایه ی AlexNet می شود. استفاده از اطلاعات محتوایی تصاویر باعث بهبود عملکرد بازشناسی شییء می شود به خصوص هنگامی که شییء هدف در شرایط چالشی قرار گرفته است.