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年，接受并发表了一份关于上一年的相关地形分析（CTA）的学术论文。（机器学习第92卷，第285-317页）2013年进行的一项新研究之一，我们构建了一种进一步扩展CTA的方法。为了描述特定差异，我们假设较早提出的CTA仅在附近特征之间存在统计依赖性，并估算特征的关系及其顺序。相比之下，新提出的方法没有修复特征之间的依赖性结构，而是估计输入数据中特征和特征之间的依赖性结构。比较了所获得的研究的结果，在将提出的方法与过去进行比较时，提出的方法是独立的组件分析（以下简介，我们发现该方法涉及ICA的使用）和CTA作为特殊情况，这是一种更概括的方法。此外，使用自然图像作为输入的数值实验表明，通过扩展CTA估算的单个图像特征及其空间分布显示出与大脑第一个视觉皮层中简单细胞的接收场相似的特性，并且在这些图像特征之间也估计了有趣的依赖性结构。具体而言，具有相似特性的特征往往具有很强的依赖性。另外，依赖性结构可以表示为无向图，从而可以可视化依赖关系结构。此外，在第一个视觉皮层中使用复杂细胞模型的数值实验进行了，同样，估计了特征之间的依赖性结构。有关此方法的研究结果已在国内和国际会议上提出，总结研究结果的论文也由2014年发布的国际会议人工智能与统计（AISTATS）收集，并被接受和发表。除上述研究外，我们还对使用CTA的图像噪声去除和模式识别的主成分分析进行了研究，并使用ICA进行了层次特征提取方法。尽管这些研究结果尚未在学术会议上提出，但可能会开发等级特征提取，因此我们希望将它们列为未来的问题。