Skip to main content
LibreTexts - Ukrayinska

6.3: Орієнтовані крайові детектори в первинній візуальній

  1. Last updated
  2. Save as PDF
  • Page ID
    72500

    • \( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)

    fig_v1_orientation_tuning_data.jpg
    Малюнок 6.7: Налаштування орієнтації окремого нейрона V1 у відповідь на барні стимули в різних орієнтаціях - цей нейрон показує перевагу вертикально орієнтованим подразникам.

    Нейрони в первинній зоровій корі (V1) виявляють орієнтацію країв або смуг світла в межах їх рецептивного поля (RF - область поля зору, з якої даний нейрон отримує вхід). На малюнку 6.7 показані характерні дані електрофізіологічних записів окремого нейрона V1 у відповідь на орієнтовані смуги. Цей нейрон максимально реагує на вертикальну орієнтацію, з градуйованим падінням по обидва боки від цього. Це дуже типова форма кривої настройки. На малюнку 6.8 показано, що ці налаштовані на орієнтацію нейрони організовані топографічно, таким чином, що сусіди прагнуть кодувати подібні орієнтації, а настройка орієнтації змінюється досить безперервно по поверхні кори.

    481px-fig_v1_orientation_cols_data.jpg
    Малюнок\(6.8\): Топографічна організація орієнтованих крайових детекторів у V1 - сусідні області нейронів мають аналогічну настройку орієнтації, як показано на цій кольоровій карті, де різні кольори вказують перевагу орієнтації, як показано на панелі C. Панель B показує, як повний цикл орієнтацій 360 градусів нуклеат навколо центральної точки - вони відомі як вертушкові структури.

    Питання, яке ми намагаємося вирішити в цьому розділі, полягає в тому, чому така топографічна організація орієнтованих крайових детекторів існувала б у первинній зоровій корі? Існує кілька рівнів відповіді на це питання. На найбільш абстрактному рівні ці орієнтовані краї є основними складовими видів зображень, які зазвичай потрапляють на наші сітківки. Це найбільш очевидні статистичні закономірності природних образів (цитуємо: Olshausen & Field, xx). Якщо це дійсно так, то ми очікуємо, що самоорганізуючий аспект алгоритму навчання XCAL, що використовується в наших моделями (як обговорюється в розділі навчання), природно, витягне ці статистичні закономірності, забезпечуючи інший рівень пояснення: V1 представляє орієнтоване ребро детектори, тому що це те, що механізми навчання будуть природно розвиватися.

    Ситуація тут по суті еквівалентна моделі самоорганізованого навчання, дослідженої в навчальній главі, яка піддавалася горизонтальним і вертикальним лініям і навчилася представляти ці сильні статистичні закономірності в навколишньому середовищі.

    Однак те, що раніше моделювання нічого не робило для вирішення топографії нейронів V1 - чому сусіди схильні кодувати подібну інформацію? Відповідь, яку ми досліджуємо в наступному моделюванні, полягає в тому, що зв'язок на рівні сусідства може спричинити тенденцію до активації сусідніх нейронів разом, і оскільки діяльність стимулює навчання, це змушує їх схильні вчитися подібним речам.

    Моделювання розвідки

    Відкрийте V1Rf для вивчення розробки орієнтованих крайових детекторів у V1. Ця модель піддається набору природних зображень і вчиться кодувати орієнтовані краї, оскільки вони є статистичною регулярністю, присутньою на цих зображеннях. На малюнку 6.9 показана отримана карта орієнтацій, яка розвивається.

    fig_v1rf_map.png
    Рисунок\(6.9\): Топографічна організація орієнтованих крайових детекторів при моделюванні нейронів V1, що піддаються впливу невеликих вікон природних зображень (гори, дерева тощо). Сусідність зв'язності нейронів змушує топографічну організацію розвиватися.