Hierarkkinen todennäköisyysmalli takaisinkytkennöille näköjärjestelmässä
No Thumbnail Available
URL
Journal Title
Journal ISSN
Volume Title
Helsinki University of Technology |
Diplomityö
Checking the digitized thesis and permission for publishing
Instructions for the author
Instructions for the author
Authors
Date
2006
Department
Major/Subject
Laskennallinen tekniikka
Mcode
S-114
Degree programme
Language
fi
Pages
119
Series
Abstract
Tässä diplomityössä esitellään yksinkertainen hierarkkinen todennäköisyysmalli ihmisen näköjärjestelmän alatasojen mallinnukseen. Teoriataustaksi käsitellään ihmisen näköaivokuoren rakennetta ja toimintaa, sekä tutustutaan havaitsemisen mallinnuksen vallitseviin teorioihin. Kehitetyllä todennäköisyysmallilla pyritään mallintamaan yksinkertaistetusti näköaivokuorella tapahtuvaa hierarkkista prosessointia. Työn malli koostuu neljästä hierarkiakerroksesta, joista alin ns. piirretaso Tämä taso sisältää kaikki nähdystä maailmasta tulevat mittaukset. Ne muodostetaan suodattamalla harmaasävykuvia Gabor-suotimilla, jotka havaitsevat kuvista reunoja ja viivoja. Vastaavan kaltaista piirre-erotusta tapahtuu ihmisen näköaivokuoren neuroneissa. Toinen kerros ilmaisee myös kuvan piirteitä, mutta niissä yhdistyy mittausten lisäksi ylemmiltä kerroksilta saatava takaisinkytkentä-tieto. Kolmantena hierarkiassa on viivaprosessien taso, joka ilmaisee reunojen ja viivojen todennäköisyyksiä kuvan eri alueilla. Tason jakauma muodostuu alempien kerrosten harmaasävyreunojen ja ylätason objektien ääriviivojen perusteella. Objektitasolla mallinnetaan järjestelmään sisäänrakennettua ennakkotietoa maailman rakenteesta, joka tämän työn yhteydessä tarkoittaa yksinkertaista mallia suorakulmaisille kappaleille. Järjestelmä toimii iteratiivisesti yhdistäen kerroksille piirretasolta tulevan bottom-up-tiedon havainnoista ja objektitason top-down-tiedon kappaleiden rakenteesta. Tämän kaksisuuntaisen tiedonkulun avulla hierarkiaan syntyy kokonaisempi kuva näkymästä. Kerrosten väliseen kommunikointiin sovelletaan nonpararnetric belief propagation-algoritmia, jonka avulla tasojen jakaumat voidaan helposti esittää ja ratkaista. Yksinkertaisissa koe-esimerkeissä saavutetut tulokset ovat lupaavia ja rohkaisevat mallin edelleen kehittämiseen. Esimerkiksi kuvitteellisten reunojen havaitseminen hierarkian alimmilla tasoilla on mallin takaisinkytkentöjen ansiosta mahdollista.Description
Supervisor
Lampinen, JoukoThesis advisor
Lampinen, JoukoKeywords
vision system, näköjärjestelmä, Bayesian inference, bayesiläinen päättely, belief propagation, belief propagation, gabor-filters, Gabor-suodin