画像処理理論から観る脳の視覚計算理論

从图像处理理论看大脑视觉计算理论

基本信息

批准号：
11J07556
负责人：
佐々木博昭
金额：
$ 1.54万
依托单位：
The University of Electro-Communications
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2011
资助国家：
日本
起止时间：
2011 至 2013
项目状态：
已结题

项目摘要

平成25年度は, 前年度構築した correlated topographic analysis (以下, CTA)に関する学術論文が受理され, 出版された. (Machine Learning vol. 92, pp. 285-317)平成25年度に新たに取り組んだ研究の1つとして, CTAをさらに拡張する手法を構築し, 提案した. 具体的な違いについて述べると, 先に提案したCTAでは, 近傍の特徴間にのみ統計的な依存性が存在することを仮定し, 特徴とその順序関係を推定した, これに対して, 新しく提案した手法では, 特徴間の依存構造を固定するのではなく, 入力データから特徴と特徴間の依存構造を推定する.得られた研究結果について述べる, 提案手法と過去の手法を比較すると, 提案手法は, 独立成分分析(以下, ICA)とCTAをある特別な場合として含む, より一般化する手法であることが分かった. また, 自然画像を入力として数値実験を行った結果, 拡張CTAによって推定された個々の画像特徴とその空間分布は, 脳の第一視覚野の単純型細胞の受容野と類似した性質を示し, それら画像特徴間の興味深い依存構造も推定された. 具体的には, 類似した性質をもつ特徴は, 依存性が強い傾向にあった. 加えて, その依存構造は無向グラフとして表現することができ, 依存構造を視覚化できる. 他に, 第一次視覚野における複雑型細胞モデルを用いた数値実験も行い, 同様に, 特徴間の依存構造が推定された. この手法に関する研究成果は, 国内外の学会で発表しており, また, 研究成果をまとめた論文を国際会議Artificial Intelligence & Statistics (AISTATS) 2014に投稿し, 受理, 出版されている.上記した研究以外にも, CTAを用いた画像のノイズ除去やパターン認識のための主成分分析, ICAを用いた階層的特徴抽出手法に関する研究も行った. これらの研究成果については, 学会発表を行っていないが, 階層的特徴抽出については発展の可能性があり, 今後の課題として挙げておきたい.

2013财年，前一年开发的相关拓扑分析（以下简称CTA）的学术论文被接受并发表（机器学习第92卷，第285-317页）2013财年进行的新研究作为其中之一。这些方法，我们构建并提出了一种进一步扩展 CTA 的方法。新提出的方法假设统计依赖仅存在于相邻特征之间，并估计特征及其顺序关系。相反，新提出的方法没有固定特征之间的依赖结构，而是根据特征和它们之间的依赖结构来估计。将描述所获得的研究结果。将所提出的方法与以往的方法进行比较表明，所提出的方法相对于独立成分分析（以下简称ICA）和CTA具有特殊的优势，包括作为案例，我们发现这种方法更具普适性，此外，通过使用自然图像作为输入的数值实验，我们发现扩展 CTA 估计的单个图像特征及其空间分布与大脑第一视觉皮层中的相似。它们表现出与类型细胞的感受野相似的属性，并且还推断出这些图像特征之间的有趣的依赖结构。具体来说，具有相似属性的特征往往具有很强的依赖关系。此外，依赖结构可以表示为无向的。图形，还使用初级视觉皮层中的复杂细胞模型进行了数值实验，并且对特征之间的依赖结构进行了类似的估计，该方法的研究结果已在国内外学术会议上发表。，并向国际会议人工智能与统计（AISTATS）2014提交了一篇总结其研究成果的论文，该论文被接受并发表。我们还对使用CTA的图像噪声去除、模式识别的主成分分析以及使用ICA的分层特征提取方法进行了研究。这些研究的结果尚未在学术会议上发表，但在特征提取方面有进一步发展的潜力，我们希望将其作为未来的主题提出。