توانايي مسير پيش‌رو قشر بينايي در مقابله با تغييرات در بازشناسي اشياء: آزمايش‌هاي انساني و مدل محاسباتي سازگار با قشر بينايي

Quantitative evaluation of human ventral visual stream in invariant object recognition: Human behavioral experiments and brainplausible computational model simulations

در اين مقاله بازشناسي اشياء در انسان در مواجهه با تغييرات مختلف بصورت كمّي مورد ارزيابي قرار مي‌گيرد. در ساليان اخير سامانه بينايي انسان به جهت سرعت و دقت بسيار بالا در بازشناسي اشياء به عنوان الگويي براي توسعه بسياري از الگوريتم‌هاي محاسباتي در حوزه بينايي ماشين بوده است. از اين رو، شناخت هرچه بهتر اين سامانه و كمّي‌سازي رفتار آن در شرايط مختلف مي‌تواند تا حد زيادي به مدل‌سازي بهتر آن كمك نمايد. در اين پژوهش، توانايي بازشناسي انسان زماني كه اشياء دچار تغيير زاويه تابش نور، جهت‌گيري عمقي، اندازه و موقعيت مي‌شوند مورد ارزيابي قرار گرفته است. براي اين منظور دسته‌اي از تصاوير با كنترل هر يك از تغييرات مذكور ساخته و تحت وضعيت‌هاي خاص به سوژه‌ها انساني و  مدل محاسباتي قشر بينايي ارائه داده مي‌شود. مدل محاسباتي به منظور كمّي‌سازي تاثير هر يك از تغييرات بر روي بازشناسي استفاده مي‌شود. نتايج آزمايش‌هاي انساني حاكي از پيچيدگي بالاي جهت‌گيري اشياء در بازشناسي است. مشخص مي‌شود كه افت كارايي انسان بدليل عدم توانايي در كاهش درهم‌تنيدگي بازنمايي‌هاي اشياء در جهت‌گيري‌هاي شديد است. به صورت كمّي بازنمايي‌هاي حاصل از تغيير زاويه تابش نور، جهت‌گيري عمقي، اندازه و موقعيت با رفتن از فضاي پيكسل به قشر بينايي به ترتيب 0/57، 0/33، 0/55 و 0/73 بهبود مي‌يابند.

A computational approach is proposed which is aimed at quantitatively assessing human recognition abilities when objects undergo different variations in the image. During the recent decades, as a result of its high accuracy and speed, human visual system has been considered an idolfora variety ofcomputational object recognition algorithms in machine vision. Therefore, quantification of its behavior in different situations can lead tobetter modeling algorithms. In this study, human ability is evaluated in an object recognition task in which object images underwent different levels of variation in lighting conditions, pose, size and position. To do this, a variationcontrolled object image dataset is generated and presented to humans as well as to a computational model of visual cortex. The computational model is used to measure the effect of each variation on object recognition. Human behavioral results show a decline in recognition performance when objects underwent pose variation. The performance suppression is shown to be the result of disability of untangling object representations in highlevels of pose variation.Quantitatively speaking, images which underwent variations in lighting, pose, size and position, experienced respectively 0.57, 0.33, 0.55 and 0.73 of representational enhancement travelling from pixel to visual cortex space.