La integración de estos nuevos módulos sensoriales dinámicas en una arquitectura visual y experimental estudio de sus actuaciones en el caso de fuentes visuales degradadas.
Objetivo: Validar la no-estándar de la bio-inspirada en principios de la visión de front-end en el set de datos realistas, focalización de baja visión (por ejemplo, bajo el agua) las aplicaciones.
Material y métodos: Desde principios de un nuevo e innovador de visión frontal se va a hacer disponible gracias a la las tareas anteriores, el último paso es validar que incrustado en una imagen visual más grande de inspiración biológica sistema y apuntando a una aplicación para la que el estado del arte de los métodos visuales en parte no.
Además de estos puntos de referencia, los no convencionales bio-inspirados temprana visión de front-end resultados son va a ser comparado con mecanismos de alto nivel de aprendizaje automático, por ejemplo, como detectores de novedad (Kassab et al, 2009), con el fin de cuantificar los rendimientos obtenidos.
Dado que queremos experimentar en qué medida este tipo de mejora a principios de visión frontal contribuir a la percepción visual, vamos a tener no sólo la detección básica de las señales visuales en cuenta, pero para experimentar con funciones de alto nivel visual. Demostración concreta de la mejora de las tareas cognitivas se va a incluir:
(I) No lineal estático / dinámico de detección de señales: cálculo de los mapas de, por ejemplo color textura / fondo de movimiento / objeto en movimiento con la segmentación de las regiones uniformes wr.t. la señal.
(Ii) Reconocimiento de gestos: discriminar entre dos desplazamientos diferentes (por ejemplo, frente al paseo marcha, o de comportamiento de las masas).
(Iii) El reconocimiento de la imagen la categoría: reconocer la categoría de imagen en general (por ejemplo, un natural frente a escena artificial, un animal frente a un objeto manufacturado).
(Iv) La detección de evento inesperado: reconocer un desplazamiento inesperado (es decir, un fracaso de la predicción en el detector de movimiento local).
(V) la segmentación de la imagen de la clasificación: cuando se realiza una categorización de las unidades de la retina con una contribución no despreciable a este proceso de categorización de proporcionar una pista acerca de la parte de la imagen correspondiente a esta clasificación, por lo tanto permite la segmentación.
Esto significa que, a nivel de modelado modelo de inspiración biológica, extra-corticales en funciones relación con la no-estándar de respuesta de las células retinianas van a ser estudiados, incluyendo el enfoque de la atención y la visión motivada.
Pasos de la tarea:
(i) Las especificaciones de un conjunto de pruebas de validación de referencia (reconocimiento de objetos categoría, la novedad detección).
(ii) El despliegue de los datos de referencia de la plataforma y el software.
(iii) La realización de una prueba de evaluación comparativa establece contra el general no biológicamente limitada algoritmos.
