Identification non-linéaire des comportements rétiniens non-standard à partir d’images naturelles.
Objectif: Concevoir et développer de nouveaux modèles fonctionnels non-linéaires des opérateurs locaux non-standards de la rétine sur la base de représentations visuelles parcimonieuses et des méthodes d’analyse en composants indépendants afin de rencontrer des mécanismes dynamiques et statistiques sophistiqués par ces modules biologiques de pré-traitement de séquences d’images naturelles.
Cela inclut la modélisation de la sélectivité à la direction de mouvement en utilisant un modèle à conductance des cellules rétiniennes ganglionnaires.
Méthodes: Dans le but de mieux comprendre dans quelle mesure les réponses non-standard du capteur visuel biologique permettent de traiter le signal à partir de mécanismes non encore élucidés, nous proposons d’explorer la transformation originale entrée-sortie dans le cas de séquence d’images naturelles en utilisant une approche variationnelle à la au niveau mésoscopique.
Le cadre général, déjà bien établi et validé pour des opérateurs visuels non-triviaux (tels que la perception du mouvement, et sa segmentation, la détection des événements visuels, etc) permet de construire un lien entre (i) une spécification de haut niveau du fonctionnement du cerveau sur la façon dont le cerveau représente et catégorise ses entrées sensorielles et (ii) leur implémentation sous forme de réseaux de neurones analogiques ou événementiels. En se concentrant sur le traitement visuel, cette expertise en informatique de la vision permet de montrer, pour une classe assez générale de calculs, le lien entre « ce qui est à faire » (tâche perceptive) avec « comment le faire » (calcul au sein du réseau de neurones). Plus précisément, en vision par ordinateur, le calcul robuste à l’aide de processus de régularisation permet d’obtenir des processus d’estimation puissants et bien définis. Ils (i) représentent ce qui doit être fait comme un problème d’optimisation, (ii) considérant des mécanismes de régularisation au niveau de la mis en œuvre (en utilisant ce qu’on appelle des équations aux dérivés partielles) et (iii) « compilant » automatiquement les réseaux neurones sous-jacents. Une approximation non biaisée d’un tel opérateur général de diffusion non-liéaire ont été explorées dans ce contexte (Vieville et al, 2007).
Cela comprend des opérateurs visuels non-linéaires locaux basés sur des représentations parcimonieuses. Nous proposons ici d’appliquer ce cadre général dans le contexte étudié. Le formalisme initial doit être revisité afin de concevoir des mécanismes bien-fondé et d’apprendre les paramètres appropriés, étant donné un ensemble de données d’entrée/sortie. Des méthodes d’estimation multi-modèles vont être utilisés, pour garantir la l’estimation d’un nombre minimal de paramètres. Le codage événementiels de l’information va être considéré ici (Cessac et al, 2009).
Cette modélisation ne va pas être une description précise des processus internes de la rétine, mais de sa transformation entrée / sortie. Le point clé est que nous allons être en mesure de considérer les séquences d’images naturelles (et pas des stimuli artificiels statistiquement biaisés) en entrée, avec la nécessité de considérer des algorithmes plus sophistiqués.
Étapes de travail:
(i) Formalisation du modèle standard de la rétine transducteur basé sur des modèles dits LN comme un processus variationnel, et analyse des limites de cette approche standard.
(ii) Généralisation de la méthode originale de représentations parcimonieuses, les statistiques d’image de haut niveau opérateurs à ce contexte.
(iii) la production d’un cahier des charges pour la tâche 4 simulateur.
(iv) Expérimentation sur les données prétraitées par la tâche 3.
