视觉机制研究对机器视觉的启发示例

被引:5
作者
李雄
刘允才
机构
[1] 上海交通大学自动化系
关键词
灵长类动物的视觉机制; 机器视觉方法; 合作学习与竞争学习; 简单细胞与复杂细胞;
D O I
暂无
中图分类号
TP391.41 [];
学科分类号
080203 ;
摘要
研究灵长类的视觉系统机制并以此为基础设计机器视觉的算法已成为重要研究方向,并对机器视觉产生了重要的推动作用。本文从视觉机制和机器视觉方法的角度出发,分析了两大类视觉机制或模型,并列举受其影响和推动的多种重要机器视觉方法:1)合作学习和竞争学习机制,其中合作学习和竞争学习模型相关的机器视觉算法包括立体视觉算法、神经网络、稀疏编码;2)简单细胞和复杂细胞模型,相关的机器视觉算法包括HMAX特征、SIFT描述子和deep belief network。
引用
收藏
页码:152 / 156
页数:5
相关论文
共 3 条
[1]   Object class recognition and localization using sparse features with limited receptive fields [J].
Mutch, Jim ;
Lowe, David G. .
INTERNATIONAL JOURNAL OF COMPUTER VISION, 2008, 80 (01) :45-57
[2]  
Distinctive Image Features from Scale-Invariant Keypoints.[J] . David G. Lowe. International Journal of Computer Vision . 2004 (2)
[3]   FORMING SPARSE REPRESENTATIONS BY LOCAL ANTI-HEBBIAN LEARNING [J].
FOLDIAK, P .
BIOLOGICAL CYBERNETICS, 1990, 64 (02) :165-170