فهرست نشریات علمی دسترسی آزاد ایران

سیستم بینایی انسان قادر به بازشناسی شِیء در صحنه‌های شلوغ با سرعت و دقت بالاست. مدل‌های زیادی برای بازشناسی شیء با الهام از سیستم بینایی انسان ازجمله مدل HMAX معرفی‌شده‌اند. در این تحقیق، روشی مؤثر با عنوان انتخاب احتمالی HMAX (PSHMAX) برای بازشناسی شیء با حفظ ساختار مدل HMAX ارائه شده است. مشکل مدل HMAX انتخاب تصادفی تکه‌های تصویر است که سبب استخراج دو دسته از تکه‌های نامطلوب می‌شود. دسته اول تکه‌هایی با اطلاعات کم که بدون تولید خروجی مفید، بار محاسباتی سیستم را افزایش می‌دهند و دسته دوم تکه‌هایی با اطلاعات غیرمفید از پس‌زمینه که باعث تولید خروجی اشتباه می‌شوند. در مدل پیشنهادی، تکه‌هایی شامل اطلاعات حداکثری مفید با رویکرد تصادفی در دو مرحله استخراج می‌شوند: مرحله اول ایجاد استخری از تکه‌های شامل بیشترین اطلاعات و مرحله دوم استخراج تکه‌های شامل اطلاعات مفیدتر و بهینه از استخر. برای ارزیابی، نرخ بازشناسی روش پیشنهادی با مدل HMAX و سایر روش‌های جدید توسعه‌یافته آن روی پایگاه‌های داده Caltech5 و Caltech101 مقایسه شده است. نتایج حاصل نشانگر برتری روش پیشنهادی است.