Enhancing efficiency of object recognition in different categorization levels by reinforcement learn

郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！

arxiv 2021

Abstract

　　人类视觉系统包含一个层次结构的模块序列，这些模块参与上级、基本和下级分类级别的视觉感知。在过去的几十年中，已经提出了各种计算模型来模拟视觉皮层的分层前馈处理，但是视觉系统的许多关键特征，例如实际的神经处理和学习机制，都被忽略了。遵循生物学灵感，我们提出了一种不同分类级别的目标识别计算模型，其中每个分类级别都使用配备有强化学习规则的脉冲神经网络作为模块。每个模块仅根据其最后一层特定类神经元的最早脉冲来解决每个分类级别的目标识别问题，而无需使用任何外部分类器。根据每个分类级别所需的信息，使用相关的带通滤波图像。我们提出的模型的性能通过具有三个基准数据集的各种评估标准进行评估，并且在所有实验中都实现了我们提出的模型的识别准确性的显著提高。

Keywords: Object Recognition, Categorization Levels, Computational Models, Bottom-Up Processing, Spiking Neural Networks, Reinforcement Learning, R-STDP, STDP.

1. Introduction

2. Materials and methods

2.1. The overall structure of modules

2.2. The learning mechanism of modules

2.3. The overall structure of the proposed model

3. Results

3.2. Experimental setups

3.3. Experimental results

4. Conclusion and Future Perspectives