类视网膜感受神经网络的运动目标检测研究

作     者：黎锦栋 

作者单位：广州大学 

学位级别：硕士

导师姓名：胡晓

授予年度：2024年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 080203[工学-机械设计及理论] 0802[工学-机械工程] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：机器视觉 视网膜 运动检测 轻量化 

摘      要：在运动目标检测的主流算法中,卷积神经网络发挥了关键作用。卷积神经网络能在计算机视觉中有着出色的算法性能与表现,得益于卷积神经网络中卷积核的特点。但因此想要得到性能更加优异的算法模型则需要在模型不断叠加卷积核,这最终导致基于卷积核的模型网络变得臃肿复杂,且拓扑性差。而人类的视觉成像过程则更加精巧高效,受此启发,本文从人类的视网膜出发,提出了一种类视网膜感受核,能够模拟视网膜内神经元的感光过程,并基于这种类视网膜感受核构建了一个简洁且行之有效的类视网膜神经网络,该网络初步还原了视网膜三层神经元的工作流程,并在运动目标检测领域中表现出色。 本文针对类视网膜神经网络的运动目标检测展开研究,主要内容如下: 1、从视网膜中感光细胞的感光生理特性出发,深入研究一种类视网膜感受核Retinotype receptor kernel(RRK),用以提取图像特征,本文将进行类视网膜的的运动目标检测理论研究:模拟视网膜感光通路,充分模拟视网膜感受野有效提取图像属性。同时,本文基于类视网膜感受核RRK构建一种简易而有效的图像识别模型:类视网膜神经网络RRKnet,这种网络能在实现参数轻量化的同时保证模型的效果,该方法在多种数据集上进行验证,并通过该实验进一步验证了这种网络结构的有效性和轻量化的可行性。 2、本文提出的算法架构结合了类视网膜神经网络和运动目标检测,为运动目标检测提供了一种高效、准确的提高方法。该方法兼顾了运动检测的准确性、实时性以及轻量化。实验结果证明了本文的算法在性能上的优越性,并能够在实现轻量化的同时并为未来的研究提供了新的思路和方向。 综上所述,类视网膜神经网络由于自身设计特点,可以在低参数量的前提下引入更多图像空间上的信息,增强网络上下文的信息传递,由此可以通过引用类视网膜感受核以低成本的方式提高算法的运行效率,在不增加模型规模的前提下,进一步提升模型的鲁棒性和算法性能,这种轻量型的网络也满足了许多现实中的应用场景,具备较大的现实意义。