ارائه يك روش مؤثر بازشناسي شيء مبتني بر هرس كردن احتمالي مشخصه‌هاي ديداري تصوير در مدل HMAX

سيستم بينايي انسان قادر به بازشناسي شِيء در صحنه‌هاي شلوغ با سرعت و دقت بالاست. مدل‌هاي زيادي براي بازشناسي شيء با الهام از سيستم بينايي انسان ازجمله مدل HMAX معرفي‌شده‌اند. در اين تحقيق، روشي مؤثر با عنوان انتخاب احتمالي HMAX (PSHMAX) براي بازشناسي شيء با حفظ ساختار مدل HMAX ارائه شده است. مشكل مدل HMAX انتخاب تصادفي تكه‌هاي تصوير است كه سبب استخراج دو دسته از تكه‌هاي نامطلوب مي‌شود. دسته اول تكه‌هايي با اطلاعات كم كه بدون توليد خروجي مفيد، بار محاسباتي سيستم را افزايش مي‌دهند و دسته دوم تكه‌هايي با اطلاعات غيرمفيد از پس‌زمينه كه باعث توليد خروجي اشتباه مي‌شوند. در مدل پيشنهادي، تكه‌هايي شامل اطلاعات حداكثري مفيد با رويكرد تصادفي در دو مرحله استخراج مي‌شوند: مرحله اول ايجاد استخري از تكه‌هاي شامل بيشترين اطلاعات و مرحله دوم استخراج تكه‌هاي شامل اطلاعات مفيدتر و بهينه از استخر. براي ارزيابي، نرخ بازشناسي روش پيشنهادي با مدل HMAX و ساير روش‌هاي جديد توسعه‌يافته آن روي پايگاه‌هاي داده Caltech5 و Caltech101 مقايسه شده است. نتايج حاصل نشانگر برتري روش پيشنهادي است.