کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4942303 1437190 2016 12 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A novel biologically inspired computational framework for visual tracking task
ترجمه فارسی عنوان
یک چارچوب محاسباتی جدید بیولوژیکی برای ردیابی دیداری
کلمات کلیدی
ترجمه چکیده
ردیابی ویژوال فرایندی است که در آن محل یک یا چند اشیا در یک ترتیب ویدئویی بر اساس ظاهر آنها تخمین زده می شود. تنوع بالا حالت ها و شرایط محرک در حال حرکت و وجود چالش های فراوان مانند یک پس زمینه کلیدی، تغییرات در ظاهر اشیاء و انسداد این مشکل را بسیار پیچیده می کند. اگر چه طیف گسترده ای از الگوریتم های متنوع در این زمینه معرفی شده است، حتی از لحاظ پیشرفته، قادر به دستیابی به دقت بالا در مقابله با چالش های مختلف این مشکل نیستند. با این وجود، با رعایت دنیای بیولوژیک و توجه به موجودات زنده، به ویژه انسان، نشان داده شده است که سیستم بصری بیولوژیک، کارایی ردیابی بصری را به طور ایده آل انجام می دهد. بنابراین، الهام بخش از این سیستم بیولوژیکی و به ویژه پردازش فضایی آن، ادراک حرکت، توجه و مکانیزم ذاتی، در این مقاله، یک چارچوب ردیابی بصری جدید الهام گرفته از زیست شناسی پیشنهاد شده است. چارچوب پیشنهادی شامل یک فرایند شش فاز است که در آن بلوک های اجرایی، اتصالات و جریان اطلاعات در میان آنها از قشر بصری الهام می گیرند. با استفاده از ویژگی های بصری استخراج شده در لایه های اولیه قشر بصری و همچنین نمای کلی محلی و ناقص هدف مورد نظر امکان استفاده از چارچوب پیشنهاد شده را در شرایط مختلف فراهم می کند. در این مقاله، نظریه چارچوب پیشنهادی و پس زمینه بیولوژیکی آن توضیح داده شده است. بررسی روش چارچوب پیشنهادی از دیدگاه ویژگی های شغلی، فرآیند فضایی و زمانی و ماهیت پردازش محلی-جهانی نشان داد که این چارچوب توانایی مدیریت بسیاری از چالش های ذکر شده را دارد و می تواند به شدت ردیابی جسم مورد علاقه در شرایط واقعی و برنامه این مقاله به دنبال برداشتن دیدگاه های بیولوژیکی و ماشین است تا ثبات، سرعت و دقت دیدگاه بیولوژیکی را در جهان هوش مصنوعی به ارمغان بیاورد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
یک چارچوب محاسباتی جدید بیولوژیکی برای ردیابی دیداری
چکیده انگلیسی
Visual tracking is a process in which the location of one or several objects is estimated in a video sequence based on their appearance. High diversity of states and conditions of a moving stimulus and the existence of abundant challenges such as a cluttered background, variations in the objects appearance, and occlusion make this problem very complicated. Although a wide range of diverse algorithms have been introduced in this field, even the state-of-art ones have not been able to achieve high accuracy in facing different challenges of this problem. Nevertheless, by observing the biological world and paying attention to the living beings, particularly humans, it is revealed that the biological visual system performs the visual tracking task ideally. Therefore, inspiring from this biological system and especially its spatiotemporal processing, motion perception, attention, and saliency mechanism, in this paper a new biologically inspired visual tracking framework is proposed. The suggested framework includes a six-phase process in which the executive blocks, their connections, and information flow among them are inspired by the visual cortex. Using visual features extracted in primary layers of the visual cortex as well as the local-global and sparse representation of the object of interest make possible to employ the proposed framework in different conditions. In this paper, the theory of the suggested framework and its biological background is explained. Investigating the procedure of proposed framework from the viewpoint of employed features, spatiotemporal process, and the quiddity of local-global processing indicated that this framework enjoys the ability to manage most of the mentioned challenges, and can robustly track the object of interest in real conditions and application. This paper seeks to bridge biological and machine visions in order to bring the robustness, speed, and accuracy of biological vision into the artificial intelligence world.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Biologically Inspired Cognitive Architectures - Volume 18, October 2016, Pages 68-79
نویسندگان
, ,