論文の概要: TSOM: Small Object Motion Detection Neural Network Inspired by Avian Visual Circuit
- arxiv url: http://arxiv.org/abs/2404.00855v1
- Date: Mon, 1 Apr 2024 01:49:08 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-04 01:31:23.552250
- Title: TSOM: Small Object Motion Detection Neural Network Inspired by Avian Visual Circuit
- Title（参考訳）: TSOM:鳥の視覚回路にインスパイアされた小型物体運動検出ニューラルネットワーク
- Authors: Pignge Hu, Xiaoteng Zhang, Mengmeng Li, Yingjie Zhu, Li Shi,
- Abstract要約: Retina-OT-Rt視覚回路は、高高度から小さな物体の動き情報を捉えることに非常に敏感である。
本稿では,新しい触覚小物体運動検出ニューラルネットワーク(TSOM)を提案する。
TSOMは生物学的に解釈可能であり、複雑な高高度背景から信頼性の高い小さな物体の運動特徴を抽出するのに有効である。
- 参考スコア（独自算出の注目度）: 4.640328175695991
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Detecting small moving objects in complex backgrounds from an overhead perspective is a highly challenging task for machine vision systems. As an inspiration from nature, the avian visual system is capable of processing motion information in various complex aerial scenes, and its Retina-OT-Rt visual circuit is highly sensitive to capturing the motion information of small objects from high altitudes. However, more needs to be done on small object motion detection algorithms based on the avian visual system. In this paper, we conducted mathematical modeling based on extensive studies of the biological mechanisms of the Retina-OT-Rt visual circuit. Based on this, we proposed a novel tectum small object motion detection neural network (TSOM). The neural network includes the retina, SGC dendritic, SGC Soma, and Rt layers, each layer corresponding to neurons in the visual pathway. The Retina layer is responsible for accurately projecting input content, the SGC dendritic layer perceives and encodes spatial-temporal information, the SGC Soma layer computes complex motion information and extracts small objects, and the Rt layer integrates and decodes motion information from multiple directions to determine the position of small objects. Extensive experiments on pigeon neurophysiological experiments and image sequence data showed that the TSOM is biologically interpretable and effective in extracting reliable small object motion features from complex high-altitude backgrounds.
- Abstract（参考訳）: オーバーヘッドの観点から複雑な背景にある小さな移動物体を検出することは、マシンビジョンシステムにとって非常に難しい課題である。
自然界からのインスピレーションとして、鳥の視覚系は様々な複雑な空中シーンで運動情報を処理でき、その網膜-OT-Rt視覚回路は高高度から小さな物体の運動情報を捕捉するのに非常に敏感である。
しかし、鳥の視覚システムに基づく小さな物体の動き検出アルゴリズムでは、さらに多くのことを行う必要がある。
本稿では,網膜-OT-Rt視覚回路の生物学的機構に関する広範な研究に基づいて,数学的モデリングを行った。
そこで我々は,新しい触覚小物体運動検出ニューラルネットワーク(TSOM)を提案する。
神経ネットワークは、網膜、SGC樹状体、SGC SomaおよびRt層を含み、視覚経路のニューロンに対応する。
網膜層は入力内容を正確に投影し、SGC樹状層は空間時間情報を知覚して符号化し、SGCソマ層は複雑な動き情報を計算して小さな物体を抽出し、Rt層は複数の方向から運動情報を統合して復号し、小さな物体の位置を決定する。
TSOMは生物学的に解釈可能であり、複雑な高高度背景から信頼性の高い小さな物体の運動特徴を抽出するのに有効であることを示した。
関連論文リスト
- Learning Object-Centric Representation via Reverse Hierarchy Guidance [73.05170419085796]
OCL(Object-Centric Learning)は、ニューラルネットワークが視覚的なシーンで個々のオブジェクトを識別できるようにする。
RHGNetは、トレーニングと推論プロセスにおいて、さまざまな方法で機能するトップダウンパスを導入している。
我々のモデルは、よく使われる複数のデータセット上でSOTA性能を達成する。
論文 参考訳（メタデータ） (2024-05-17T07:48:27Z) - Learning Multimodal Volumetric Features for Large-Scale Neuron Tracing [72.45257414889478]
オーバーセグメントニューロン間の接続を予測し,人間の作業量を削減することを目的としている。
最初はFlyTracingという名前のデータセットを構築しました。
本稿では,高密度なボリュームEM画像の埋め込みを生成するための,新しい接続性を考慮したコントラスト学習手法を提案する。
論文 参考訳（メタデータ） (2024-01-05T19:45:12Z) - Spatio-Temporal Feedback Control of Small Target Motion Detection Visual
System [9.03311522244788]
本稿では,時間的フィードバックを用いた視覚システムを構築し,小さな目標運動を検出する。
提案する視覚系は2つの相補的な空間ニューロンからなる。
実験結果から,本システムは小型目標検出における既存手法よりも競争力が高いことが示された。
論文 参考訳（メタデータ） (2022-11-18T10:10:48Z) - Neural Motion Fields: Encoding Grasp Trajectories as Implicit Value
Functions [65.84090965167535]
本稿では,ニューラルネットワークによってパラメータ化される暗黙的値関数として,オブジェクト点群と相対的タスク軌跡の両方を符号化する新しいオブジェクト表現であるNeural Motion Fieldsを提案する。
このオブジェクト中心表現は、SE(3)空間上の連続分布をモデル化し、サンプリングベースのMPCを利用して、この値関数を最適化することで、反応的に把握することができる。
論文 参考訳（メタデータ） (2022-06-29T18:47:05Z) - FuNNscope: Visual microscope for interactively exploring the loss
landscape of fully connected neural networks [77.34726150561087]
ニューラルネットワークの高次元景観特性を探索する方法を示す。
我々は、小さなニューラルネットワークの観測結果をより複雑なシステムに一般化する。
インタラクティブダッシュボードは、いくつかのアプリケーションネットワークを開放する。
論文 参考訳（メタデータ） (2022-04-09T16:41:53Z) - 2D-Motion Detection using SNNs with Graphene-Insulator-Graphene
Memristive Synapses [0.0]
イベント駆動のスパイクニューラルネットワークは、人工ニューラルネットワークよりもエネルギー効率が高い。
本研究では,物体の2次元視野における動き検出を実演する。
論文 参考訳（メタデータ） (2021-11-30T10:09:18Z) - RRNet: Relational Reasoning Network with Parallel Multi-scale Attention
for Salient Object Detection in Optical Remote Sensing Images [82.1679766706423]
光リモートセンシング画像(RSI)のためのSODは、光学RSIから視覚的に特徴的な物体や領域を探索・抽出することを目的としている。
光学RSIにおけるSODに並列なマルチスケールアテンションを持つリレーショナル推論ネットワークを提案する。
提案するRRNetは,既存の最先端SODコンペティタよりも質的,定量的に優れている。
論文 参考訳（メタデータ） (2021-10-27T07:18:32Z) - An Attention and Prediction Guided Visual System for Small Target Motion
Detection in Complex Natural Environments [7.972704756263765]
複雑な自然環境における小さな目標運動検出は、自律ロボットにとって非常に難しい課題である。
本稿では,この限界を克服するための注意と予測ガイド視覚システムを提案する。
提案する視覚システムは,主にアテンションモジュール,STMDベースニューラルネットワーク,予測モジュールを含む3つのサブシステムから構成される。
論文 参考訳（メタデータ） (2021-04-27T07:42:31Z) - A Bioinspired Retinal Neural Network for Accurately Extracting
Small-Target Motion Information in Cluttered Backgrounds [19.93930316898735]
本稿では,新しいニューロベース運動フィルタリングと多形2次元空間フィルタリングに基づくバイオインスパイアニューラルネットワークを提案する。
2つの信号だけで正確に動きの方向を推定し、異なる大きさと速度の小さな目標に反応する。
また、動き方向や動きの情報を正確かつ迅速に抽出することもできる。
論文 参考訳（メタデータ） (2021-03-01T08:44:27Z) - Topological obstructions in neural networks learning [67.8848058842671]
損失勾配関数フローのグローバル特性について検討する。
損失関数とそのモースコンプレックスの位相データ解析を用いて,損失面の大域的特性と勾配軌道に沿った局所的挙動を関連付ける。
論文 参考訳（メタデータ） (2020-12-31T18:53:25Z) - A Time-Delay Feedback Neural Network for Discriminating Small,
Fast-Moving Targets in Complex Dynamic Environments [8.645725394832969]
複雑な視覚環境の中で小さな移動物体を識別することは、自律型マイクロロボットにとって重要な課題である。
フィードバック接続を備えたSTMDベースのニューラルネットワーク(Feedback STMD)を提案する。
論文 参考訳（メタデータ） (2019-12-29T03:10:36Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。