한국정보전자통신기술학회논문지 (The Journal of Korea Institute of Information, Electronics, and Communication Technology)

  • 제13권6호
  • /
  • Pages.477-482
  • /
  • 2020
  • /
  • 2005-081X(pISSN)
  • /
  • 2288-9302(eISSN)
한국정보전자통신기술학회 (Korea Information Electronic Communication Technology)
권호 표지
DOI QR코드

DOI QR Code

가버 웨이블릿을 이용한 원시 시각 피질 모델 구현에 관한 연구

Study on the Implementation of Primitive Visual Cortex Model in Retina Using Gabor Wavelet

  • 투고 : 2020.11.24
  • 심사 : 2020.12.09
  • 발행 : 2020.12.30
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

인간의 시각피질의 특징은 특별한 방향성을 갖거나 시간적인 주파수 변화를 동반하는 자극에는 민감하게 반응하지만, 공간 위상의 선택적 자극에는 둔감하게 작용한다는 것이 고등 포유동물의 시각 피질에 대한 생리학적 실험으로 증명되었다. 이 결과는 위치에 민감한 단순 세포의 분포가 복잡 세포의 분포에 비하여 상대적으로 적은 생리학적 특징에 기인한 것으로 본 논문에서는 원시 시각 피질을 구성하는 단순 세포와 복잡 세포 가운데 더 넓은 분포의 복잡 세포 모델링을 가버 웨이블릿 변환을 이용한 영상추정 반복 알고리즘을 이용하여 구현하였다. 구현된 모델은 영상의 경계 및 모서리의 검출 평가와 함께 기존의 생리학적 실험논문과 구현한 모델의 결과 사이의 일관성을 확인하였다. 구현된 모델은 단순 세포와 복잡 세포가 함께 분포하는 망막의 수용 장을 완전한 형태를 구현할 수 없는 제한이 있지만, 시각 피질을 일부를 담당하는 복잡 세포를 알고리즘의 관점에서 구현하여 더 완전한 시각 피질 모델의 기초로 활용할 수 있다.

The human visual cortex has the characteristic that reacts sensitively to stimuli with special directional or temporal frequency changes while it is insensitive to selective stimuli of spatial phases. In this paper we implemented the model of complex cell using an image estimation iterative algorithm by Gabor wavelet transform. The performance of implemented model evaluated the consistency between the physiological experimental results in related papers. The implemented model is limited in the complete model of the receptive field in the retina where simple cells and complex cells are distributed together. But the implemented model express the reaction of the complex cells from the point of view of the detection of corners and edges.

키워드

참고문헌

  1. Hubel, David H., and Torsten N. Wiesel. "Integrative action in the cat's lateral geniculate body," The Jour. of Physiology Vol. 155. No. 2 pp. 385-, 1961 https://doi.org/10.1113/jphysiol.1961.sp006635
  2. Serre, Thomas, Lior Wolf, and Tomaso Poggio. "Object recognition with features inspired by visual cortex," 2005 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR'05). Vol. 2. 2005
  3. Kindel, William F., Elijah D. Christensen, and Joel Zylberberg. "Using deep learning to reveal the neural code for images in primary visual cortex," Journal of Vision, Vol. 19, No. 4, pp. 1-12, 2019
  4. "Deep Convolutional Neural Networks as Models of Visual Systems: Q&A," https://neurdiness.wordpress.com/2018/05/17/deep-convolutional-neural-networks-as-models-of-the-visual-system-qa/, accessed Nov. 1, 2020,
  5. Dapello, J., Marques, T., Schrimpf, M., Geiger, F., Cox, D., & DiCarlo, J. J. "Simulating a primary visual cortex at the front of CNNs improves robustness to image perturbations," Advances in Neural Information Processing Systems, 33, 2020
  6. Kamarainen, J-K., Ville Kyrki, and Heikki Kalviainen. "Invariance properties of Gabor filter-based features-overview and applications." IEEE Transactions on image processing Vol. 15, No. 5, pp.1088-1099, 2006 https://doi.org/10.1109/TIP.2005.864174
  7. JP. Jones, Judson P. and Larry A. Palmer. "An evaluation of the two-dimensional Gabor filter model of simple receptive fields in cat striate cortex." Journal of neurophysiology, Vol. 58, No. 6, pp. 1233-1258, 1987. https://doi.org/10.1152/jn.1987.58.6.1233
  8. Concetta Morrone, and D. C. Burr. "Feature detection in human vision: A phase-dependent energy model." Proceedings of the Royal Society of London. Series B. Biological Sciences 235.1280, pp.221-245, 1988