乔红课题组提出自发动态特征学习和目标识别的多层视觉认知模型

　　9月18日，中国科学院脑科学与智能技术卓越创新中心、自动化所乔红研究组组在《IEEE Transactions on Cybernetics》杂志在线发表了题为《Biologically Inspired Model for Visual Cognition Achieving Unsupervised Episodic and Semantic Feature Learning》的科研论文。这项工作通过模仿人脑视皮层的学习和记忆过程，建立了一个自发、动态特征学习和目标识别的多层视觉认知模型。

　　近几年来，神经科学和信息科学之间的交叉研究促进了这两个学科的发展。一方面，信息模型的建立为生物实验提供计算和验证平台，帮助人类更加具体地理解生物系统的本质;另一方面，神经科学研究的成果可以应用于信息科学的方法改进，提高信息科学中相关算法智能性和效果。在交叉研究中，生物视觉系统和计算机视觉这两个方向的交叉尤为引人注目，因为它不仅可以帮助人类探索视觉皮层的深层机制和结构，同时也可以建立更多鲁棒的视觉认知计算模型。

　　在这项工作中，课题组基于前期的工作，进一步模拟了认知初期的学习和记忆机制，设计一个自发、动态的特征学习和目标识别框架，新的框架能够在没有任何先验知识的前提下，使用深度置信网络，自发学习关键部件和其对应的空间分布关系，形成情景记忆;根据空间分布关系和部件检测结果确定关键部件的位置，进而学习其对应的语义特征;对一类物体的各种特征进行整合，形成普遍知识和记忆;通过与普遍知识比较，可得到各个样本的子类特性描述;在实现分类任务的同时，还可以提供丰富的语义描述;并可利用高置信样本，对特征和知识进行动态更新。这些结果对于提高机器人自学习能力以及机器人归纳泛化能力有着重要的作用。

　　该课题由博士研究生李寅霖、席炫洋、李冯福在乔红研究员的指导下完成。课题受国家自然科学基金委国际合作重点项目的资助。

　　

 

(a)学习和记忆阶段

　　

 

(b)识别和动态更新阶段

　　图注：将初步联想记忆机制引入认知-神经模型，其中(a)表示学习和记忆阶段，(b)表示识别和动态更新阶段。